神经网络学习小记录19——微调VGG分类模型训练自己的数据（猫狗数据集）
注意事项学习前言什么是VGG16模型VGG模型的复杂程度训练前准备1、数据集处理2、创建Keras的VGG模型3、下载VGG16的权重开始训练1、训练的主函数2、全部代码训练结果注意事项
这个博文非常老了，代码已经严重陈旧且不准确，使用新库，博文如下：
/weixin_44791964/article/details/108586433
学习前言
前两天，训练了一下简化版AlexNet网络，发现整个网络训练起来太慢了，我看了许多成熟的目标检测模型，其都是基于已有的特征检测模型进行训练的。
这种方式似乎还有一个名字叫做迁移学习，于是乎，我决定微调一下VGG网络来识别猫和狗。
什么是VGG16模型
关于什么是VGG16模型，及其代码复现，其实我在另一篇博文已经讲过了，大家可以去看看。神经网络学习小记录16——VGG16模型的复现及其详解（包含如何预测）
这里还是重提一下：
VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。
该模型参加的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。
可能大家会想，这样一个这么强的模型肯定很复杂吧？
其实一点也不复杂，它的结构如下图所示：
这是一个VGG被用到烂的图，但确实很好的反应了VGG的结构：
1、一张原始图片被resize到(224,224,3)。 2、conv1两次[3,3]卷积网络，输出的特征层为64，输出为(224,224,64)，再2X2最大池化，输出net为(112,112,64)。 3、conv2两次[3,3]卷积网络，输出的特征层为128，输出net为(112,112,128)，再2X2最大池化，输出net为(56,56,128)。 4、conv3三次[3,3]卷积网络，输出的特征层为256，输出net为(56,56,256)，再2X2最大池化，输出net为(28,28,256)。 5、conv4三次[3,3]卷积网络，输出的特征层为512，输出net为(28,28,512)，再2X2最大池化，输出net为(14,14,512)。 6、conv5三次[3,3]卷积网络，输出的特征层为512，输出net为(14,14,512)，再2X2最大池化，输出net为(7,7,512)。 7、利用卷积的方式模拟全连接层，效果等同，输出net为(1,1,4096)。共进行两次。 8、利用卷积的方式模拟全连接层，效果等同，输出net为(1,1,1000)。
最后输出的就是每个类的预测。
VGG模型的复杂程度
由于最后两个全连接层的存在，VGG模型的参数特别多，每个层的参数如下：
_________________________________________________________________Layer (type) Output Shape Param # =================================================================input_1 (InputLayer) (None, 224, 224, 3) 0_________________________________________________________________block1_conv1 (Conv2D) (None, 224, 224, 64)1792_________________________________________________________________block1_conv2 (Conv2D) (None, 224, 224, 64)36928_________________________________________________________________block1_pool (MaxPooling2D) (None, 112, 112, 64)0_________________________________________________________________block2_conv1 (Conv2D) (None, 112, 112, 128)73856_________________________________________________________________block2_conv2 (Conv2D) (None, 112, 112, 128)147584_________________________________________________________________block2_pool (MaxPooling2D) (None, 56, 56, 128) 0_________________________________________________________________block3_conv1 (Conv2D) (None, 56, 56, 256) 295168_________________________________________________________________block3_conv2 (Conv2D) (None, 56, 56, 256) 590080_________________________________________________________________block3_conv3 (Conv2D) (None, 56, 56, 256) 590080_________________________________________________________________block3_pool (MaxPooling2D) (None, 28, 28, 256) 0_________________________________________________________________block4_conv1 (Conv2D) (None, 28, 28, 512) 1180160_________________________________________________________________block4_conv2 (Conv2D) (None, 28, 28, 512) 2359808_________________________________________________________________block4_conv3 (Conv2D) (None, 28, 28, 512) 2359808_________________________________________________________________block4_pool (MaxPooling2D) (None, 14, 14, 512) 0_________________________________________________________________block5_conv1 (Conv2D) (None, 14, 14, 512) 2359808_________________________________________________________________block5_conv2 (Conv2D) (None, 14, 14, 512) 2359808_________________________________________________________________block5_conv3 (Conv2D) (None, 14, 14, 512) 2359808_________________________________________________________________block5_pool (MaxPooling2D) (None, 7, 7, 512) 0_________________________________________________________________flatten (Flatten) (None, 25088) 0_________________________________________________________________fullc1 (Dense)(None, 4096) 102764544_________________________________________________________________fullc2 (Dense)(None, 4096) 16781312fullc3 (Dense)(None, 20)81940=================================================================Total params: 134,342,484Trainable params: 134,342,484Non-trainable params: 0_________________________________________________________________None
因为只对猫和狗进行分类，所以最后的全连接层可以缩小一点，本例子中将其缩小到256。
前面的卷积层可以不训练，因为卷积层的作用主要是提取特征，已经训练好的VGG提取的特征都是比较有用的，所以可以不进行调整，只对最后三个全连接层进行训练。
训练前准备
1、数据集处理
在数据集处理之前，首先要下载猫狗数据集，地址如下。
链接：/s/1HBewIgKsFD8hh3ICOnnTwA
提取码：ktab
顺便直接下载我的源代码吧。
链接: /s/1r79Ey_2ZPZc73GND-kUxxg
提取码: w5bg
这里的源代码包括了所有的代码部分，训练集需要自己下载，大概训练2个小时就可以进行预测了。
本次教程准备使用model.fit_generator来训练模型，在训练模型之前，需要将数据集的内容保存到一个TXT文件中，便于读取。
txt文件的保存格式如下：
文件名;种类
具体操作步骤如下：
1、将训练文件存到"./data/image/train/"目录下。
2、调用如下代码：
import os with open('./data/train.txt','w') as f:after_generate = os.listdir("./data/image/train")for image in after_generate:if image.split(".")[0]=='cat':f.write(image + ";" + "0" + "\n")else:f.write(image + ";" + "1" + "\n")
就可以得到训练数据集的文本文件。
2、创建Keras的VGG模型
VGG的模型的结构已经在上面介绍过了，利用Keras就可以构建。在这里我给他添加了一个7x7的卷积层，同时把全连接层改为256。
import tensorflow as tffrom tensorflow import kerasfrom keras import Model,Sequentialfrom keras.layers import Flatten, Dense, Conv2D, GlobalAveragePooling2Dfrom keras.layers import Input, MaxPooling2D, GlobalMaxPooling2Ddef VGG16(num_classes):image_input = Input(shape = (224,224,3))# 第一个卷积部分x = Conv2D(64,(3,3),activation = 'relu',padding = 'same',name = 'block1_conv1')(image_input)x = Conv2D(64,(3,3),activation = 'relu',padding = 'same', name = 'block1_conv2')(x)x = MaxPooling2D((2,2), strides = (2,2), name = 'block1_pool')(x)# 第二个卷积部分x = Conv2D(128,(3,3),activation = 'relu',padding = 'same',name = 'block2_conv1')(x)x = Conv2D(128,(3,3),activation = 'relu',padding = 'same',name = 'block2_conv2')(x)x = MaxPooling2D((2,2),strides = (2,2),name = 'block2_pool')(x)# 第三个卷积部分x = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv1')(x)x = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv2')(x)x = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv3')(x)x = MaxPooling2D((2,2),strides = (2,2),name = 'block3_pool')(x)# 第四个卷积部分x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv1')(x)x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv2')(x)x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv3')(x)x = MaxPooling2D((2,2),strides = (2,2),name = 'block4_pool')(x)# 第五个卷积部分x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv1')(x)x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv2')(x)x = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv3')(x) x = MaxPooling2D((2,2),strides = (2,2),name = 'block5_pool')(x)# 分类部分x = Conv2D(256,(7,7),activation = 'relu',padding = 'valid', name = 'block6_conv4')(x)x = Flatten(name = 'flatten')(x)x = Dense(256,activation = 'relu',name = 'fullc1')(x)x = Dense(256,activation = 'relu',name = 'fullc2')(x)x = Dense(num_classes,activation = 'softmax',name = 'fullc3')(x)model = Model(image_input,x,name = 'vgg16')return model
3、下载VGG16的权重
这个网址拉到最下面就可以了。
/fchollet/deep-learning-models/releases
下载这个文件：vgg16_weights_tf_dim_ordering_tf_kernels.h5。
开始训练
1、训练的主函数
训练的主函数主要包括如下部分： 1、读取训练用txt，并打乱，利用该txt进行训练集和测试集的划分。 2、建立VGG16模型，载入权重。这里要注意skip_mismatch=True。 3、利用model.layers[i].trainable = False将VGG16前面的卷积层设置成不可训练。仅训练最后五层。 3、设定模型保存的方式、学习率下降的方式、是否需要早停。 4、利用model.fit_generator训练模型。 具体代码如下：
if __name__ == "__main__":# 模型保存的位置log_dir = "./logs/"# 打开数据集的txtwith open(r".\data\train.txt","r") as f:lines = f.readlines()# 打乱行，这个txt主要用于帮助读取数据来训练# 打乱的数据更有利于训练np.random.seed(10101)np.random.shuffle(lines)np.random.seed(None)# 90%用于训练，10%用于估计。num_val = int(len(lines)*0.1)num_train = len(lines) - num_val# 建立AlexNet模型model = VGG16(2)# 注意要开启skip_mismatch和by_namemodel.load_weights("vgg16_weights_tf_dim_ordering_tf_kernels.h5",by_name=True,skip_mismatch=True)# 指定训练层for i in range(0,len(model.layers)-5):model.layers[i].trainable = False# 保存的方式，3世代保存一次checkpoint_period1 = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',monitor='acc', save_weights_only=False, save_best_only=True, period=3)# 学习率下降的方式，acc三次不下降就下降学习率继续训练reduce_lr = ReduceLROnPlateau(monitor='acc', factor=0.5, patience=3, verbose=1)# 是否需要早停，当val_loss一直不下降的时候意味着模型基本训练完毕，可以停止early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)# 交叉熵pile(loss = 'categorical_crossentropy',optimizer = Adam(lr=1e-3),metrics = ['accuracy'])# 一次的训练集大小batch_size = 16print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))# 开始训练model.fit_generator(generate_arrays_from_file(lines[:num_train], batch_size),steps_per_epoch=max(1, num_train//batch_size),validation_data=generate_arrays_from_file(lines[num_train:], batch_size),validation_steps=max(1, num_val//batch_size),epochs=50,initial_epoch=0,callbacks=[checkpoint_period1, reduce_lr])model.save_weights(log_dir+'last1.h5')
model.fit_generator需要用到python的生成器来滚动读取数据，具体使用方法可以看我的另一篇博文神经网络学习小记录17——使用AlexNet分类模型训练自己的数据（猫狗数据集）。
2、全部代码
大家可以整体看看哈：
from keras.callbacks import TensorBoard, ModelCheckpoint, ReduceLROnPlateau, EarlyStoppingfrom keras.utils import np_utilsfrom keras.optimizers import Adamfrom model.VGG16 import VGG16import numpy as npimport utilsimport cv2from keras import backend as KK.set_image_dim_ordering('tf')def generate_arrays_from_file(lines,batch_size):# 获取总长度n = len(lines)i = 0while 1:X_train = []Y_train = []# 获取一个batch_size大小的数据for b in range(batch_size):if i==0:np.random.shuffle(lines)name = lines[i].split(';')[0]# 从文件中读取图像img = cv2.imread(r".\data\image\train" + '/' + name)img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)img = img/255X_train.append(img)Y_train.append(lines[i].split(';')[1])# 读完一个周期后重新开始i = (i+1) % n# 处理图像X_train = utils.resize_image(X_train,(224,224))X_train = X_train.reshape(-1,224,224,3)Y_train = np_utils.to_categorical(np.array(Y_train),num_classes= 2) yield (X_train, Y_train)if __name__ == "__main__":# 模型保存的位置log_dir = "./logs/"# 打开数据集的txtwith open(r".\data\train.txt","r") as f:lines = f.readlines()# 打乱行，这个txt主要用于帮助读取数据来训练# 打乱的数据更有利于训练np.random.seed(10101)np.random.shuffle(lines)np.random.seed(None)# 90%用于训练，10%用于估计。num_val = int(len(lines)*0.1)num_train = len(lines) - num_val# 建立AlexNet模型model = VGG16(2)# 注意要开启skip_mismatch和by_namemodel.load_weights("vgg16_weights_tf_dim_ordering_tf_kernels.h5",by_name=True,skip_mismatch=True)# 指定训练层for i in range(0,len(model.layers)-5):model.layers[i].trainable = False# 保存的方式，3世代保存一次checkpoint_period1 = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',monitor='acc', save_weights_only=False, save_best_only=True, period=3)# 学习率下降的方式，acc三次不下降就下降学习率继续训练reduce_lr = ReduceLROnPlateau(monitor='acc', factor=0.5, patience=3, verbose=1)# 是否需要早停，当val_loss一直不下降的时候意味着模型基本训练完毕，可以停止early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)# 交叉熵pile(loss = 'categorical_crossentropy',optimizer = Adam(lr=1e-3),metrics = ['accuracy'])# 一次的训练集大小batch_size = 16print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))# 开始训练model.fit_generator(generate_arrays_from_file(lines[:num_train], batch_size),steps_per_epoch=max(1, num_train//batch_size),validation_data=generate_arrays_from_file(lines[num_train:], batch_size),validation_steps=max(1, num_val//batch_size),epochs=50,initial_epoch=0,callbacks=[checkpoint_period1, reduce_lr])model.save_weights(log_dir+'last1.h5')
训练结果
在完成上述的一大堆内容的配置后就可以开始训练了，所有文件的构架如下：
训练效果挺好的，才训练两次准确度就已经有90%多了。（目测后面过拟合了）。
Epoch 1/501406/1406 [==============================] - 862s 613ms/step - loss: 0.2301 - acc: 0.9052 - val_loss: 0.1760 - val_acc: 0.9315Epoch 2/501406/1406 [==============================] - 869s 618ms/step - loss: 0.1446 - acc: 0.9423 - val_loss: 0.1745 - val_acc: 0.9267Epoch 3/501406/1406 [==============================] - 867s 617ms/step - loss: 0.0987 - acc: 0.9632 - val_loss: 0.1762 - val_acc: 0.9253
预测一下
import numpy as npimport utilsimport cv2from keras import backend as Kfrom model.VGG16 import VGG16K.set_image_dim_ordering('tf')if __name__ == "__main__":model = VGG16(2)model.load_weights("./logs/ep003-loss0.109-val_loss0.178.h5")img = cv2.imread("./data/image/train/cat.1.jpg")img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)img = img/255img = np.expand_dims(img,axis = 0)img = utils.resize_image(img,(224,224))#utils.print_answer(np.argmax(model.predict(img)))print(utils.print_answer(np.argmax(model.predict(img))))
结果是
猫猫
