TensorFlow图像分类教程

2017 年 12 月 29 日 云栖社区

云栖君导读：深度学习算法与计算机硬件性能的发展，使研究人员和企业在图像识别、语音识别、推荐引擎和机器翻译等领域取得了巨大的进步。六年前，视觉模式识别领域取得了第一个超凡的成果。两年前，Google大脑团队开发了TensorFlow，并将深度学习巧妙的应用于各个领域。现在，TensorFlow则超越了很多用于深度学习的复杂工具。

利用TensorFlow，你可以获得具有强大能力的复杂功能，其强大的基石来自于TensorFlow的易用性。

在这个由两部分组成的系列中，我将讲述如何快速的创建一个应用于图像识别的卷积神经网络。

TensorFlow计算步骤是并行的，可对其配置进行逐帧视频分析，也可对其扩展进行时间感知视频分析。

本系列文章直接切入关键的部分，只需要对命令行和Python有最基本的了解，就可以在家快速地创建一些令你激动不已的项目。本文不会深入探讨TensorFlow的工作原理，如果你想了解更多，我会提供大量额外的参考资料。本系列所有的库和工具都是免费开源的软件。

工作原理

本教程旨在把一个事先被放到训练过的类别里的图片，通过运行一个命令以识别该图像具体属于哪个类别。步骤如下图所示：

标注：管理训练数据。例如花卉，将雏菊的图像放到“雏菊”目录下，将玫瑰放到“玫瑰”目录下等等，将尽可能多的不同种类的花朵按照类别不同放在不同的目录下。如果我们不标注“蕨类植物”，那么分类器永远也不会返回“蕨类植物”。这需要每个类型的很多样本，因此这一步很重要，并且很耗时。（本文使用预先标记好的数据以提高效率）
训练：将标记好的数据（图像）提供给模型。有一个工具将随机抓取一批图像，使用模型猜测每种花的类型，测试猜测的准确性，重复执行，直到使用了大部分训练数据为止。最后一批未被使用的图像用于计算该训练模型的准确性。
分类：在新的图像上使用模型。例如，输入：IMG207.JPG，输出：雏菊。这个步骤快速简单，且衡量的代价小。

训练和分类

本教程将训练一个用于识别不同类型花朵的图像分类器。深度学习需要大量的训练数据，因此，我们需要大量已分类的花朵图像。值得庆幸的是，另外一个模型在图像收集和分类这方面做得非常出色，所以我们使用这个带有脚本的已分类数据集，它有现成且完全训练过的图像分类模型，重新训练模型的最后几层以达到我们想要的结果，这种技术称为迁移学习。

我们重新训练的模型是Inception v3，最初是在2015年12月发表的论文“重新思考计算机视觉的Inception架构”中有做论述。

直到我们做了这个约20分钟的训练，Inception才知道如何识别雏菊和郁金香，这就是深度学习中的“学习”部分。

安装

首先，在所选的平台上安装Docker。

在很多TensorFlow教程中最先且唯一依赖的就是Docker（应该表明这是个合理的开始）。我也更喜欢这种安装TensorFlow的方法，因为不需要安装一系列的依赖项，这可以保持主机（笔记本或桌面）比较干净。

Bootstrap TensorFlow

安装Docker后，我们准备启动一个训练和分类的TensorFlow容器。在硬盘上创建一个2GB空闲空间的工作目录，创建一个名为local的子目录，并记录完整路径。

docker run -v /path/to/local:/notebooks/local --rm -it --name tensorflow
tensorflow/tensorflow:nightly /bin/bash

下面是命令解析：

-v /path/to/local:/notebooks/local将刚创建的local目录挂载到容器中适当的位置。如果使用RHEL、Fedora或其他支持SELinux的系统，添加:Z允许容器访问目录。

--rm 退出时令docker删除容器

-it 连接输入输出，实现交互。

--name tensorflow将容器命名为tensorflow，而不是sneaky_chowderhead或任何Docker定义的随机名字。

tensorflow/tensorflow:nightly从Docker Hub （公共图像存储库）运行tensorflow/tensorflow的nightly 图像，而不是最新的图像（默认为最近建立／可用图像）。使用nightly图像而不是latest图像，是因为（在写入时）latest包含的一个bug会破坏TensorBoard，这是我们稍后需要的一个数据可视化工具。

/bin/bash指定运行Bash shell，而不运行系统默认命令。

训练模型

在容器中运行下述命令，对训练数据进行下载和完整性检查。

curl -O http://download.tensorflow.org/example_images/flower_photos.tgz
echo 'db6b71d5d3afff90302ee17fd1fefc11d57f243f flower_photos.tgz' | sha1sum -c

如果没有看到“flower_photos.tgz”信息：说明文件不正确。如果上诉curl 或sha1sum步骤失败，请手动下载训练数据包并解压（SHA-1 校验码：db6b71d5d3afff90302ee17fd1fefc11d57f243f）到本地主机的local目录下。

现在把训练数据放好，然后对再训练脚本进行下载和完整性检查。

mv flower_photos.tgz local/
cd local
curl -O https://raw.githubusercontent.com/tensorflow/tensorflow/10cf65b48e1b2f16eaa82
6d2793cb67207a085d0/tensorflow/examples/image_retraining/retrain.py
echo 'a74361beb4f763dc2d0101cfe87b672ceae6e2f5 retrain.py' | sha1sum -c

确认retrain.py有正确的内容，你应该看到retrain.py: OK.。

最后，开始学习！运行再训练脚本。

python retrain.py --image_dir flower_photos --output_graph output_graph.pb
--output_labels output_labels.txt

如果遇到如下错误，忽略它：

TypeError: not all arguments converted during string formatting Logged from file
tf_logging.py, line 82.

随着retrain.py 的运行，训练图像会自动的分批次训练、测试和验证数据集。

在输出上，我们希望有较高的“训练精度”和“验证精度”，以及较低的“交叉熵”。有关这些术语的详细解释，请参照“如何就新图片类型再训练Inception的最后一层”。在当前的硬件上的训练约30分钟。

请注意控制台输出的最后一行：

INFO:tensorflow:Final test accuracy = 89.1% (N=340)

这说明我们已经得到了一个模型：给定一张图像，10次中有9次可正确猜出是五种花朵类型中的哪一种。由于提供给训练过程的随机数不同，分类的精确度也会有所不同。

分类

再添加一个小脚本，就可以将新的花朵图像添加到模型中，并输出测试结果。这就是图像分类。

将下述脚本命名为 classify.py保存在本地local目录：

import tensorflow as tf, sys

image_path = sys.argv[1]
graph_path = 'output_graph.pb'
labels_path = 'output_labels.txt'

# Read in the image_data
image_data = tf.gfile.FastGFile(image_path, 'rb').read()

# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
  in tf.gfile.GFile(labels_path)]

# Unpersists graph from file
with tf.gfile.FastGFile(graph_path, 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
_ = tf.import_graph_def(graph_def, name='')

# Feed the image_data as input to the graph and get first prediction
with tf.Session() as sess:
softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
predictions = sess.run(softmax_tensor,
  {'DecodeJpeg/contents:0': image_data})
  # Sort to show labels of first prediction in order of confidence
top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]
  for node_id in top_k:
human_string = label_lines[node_id]
score = predictions[0][node_id]
print('%s (score = %.5f)' % (human_string, score))