【教程】TensorFlow2 最新迁移学习教程和实战- 专知

【教程】TensorFlow2 最新迁移学习教程和实战

【导读】阅读深度学习的科学论文总是很有趣且富有教育意义。尤其是当它在你正在工作的当前项目的区域中时。但是，这些论文通常包含难以训练的体系结构和解决方案。特别是如果你想尝试，比如说，ImageNet大型视觉识别（ILSCVR）比赛的一些优胜者。我可以记得读过有关VGG16的文章，并想过“这太酷了，但是我的GPU将会死掉”。为了使我们的生活更轻松，TensorFlow 2提供了许多预先训练的模型，您可以快速使用它们。在本文中，我们将探讨如何使用一些著名的卷积神经网络框架来做到这一点。

此时，人们可能会想：“什么是预训练模型？”。本质上，预训练模型是一个保存的网络，该网络先前已在某个大型数据集（例如ImageNet数据集）上进行了训练。它们可以在tensorflow.keras.applications模块中找到。有两种方法可以使用它们。你可以把它作为开箱即用的解决方案，也可以把它用于转移学习。由于大型数据集通常用于某些全局解决方案，因此您可以自定义预训练模型并将其专门用于某些问题。这样，您可以利用一些最著名的神经网络，而不会浪费太多的时间和训练资源。此外，您可以通过修改所选图层的行为来微调这些模型。这将在以后的文章中介绍。

Architectures

在本文中，我们使用三个预先训练的模型来求解分类示例：VGG16，GoogLeNet（Inception）和ResNet。这些框架中的每一个都是ILSCVR竞赛的获胜者。VGG16在2014年与GoogLeNet一起获得了最佳成绩，而ResNet在2015年赢得了冠军。这些模型是TensorFlow 2（即tensorflow.keras.applications）模块的一部分。让我们更深入地了解一下这些框架。

VGG16是我们考虑的第一个架构。它是K.Simonyan和a.Zisserman在《用于大规模图像识别的非常深卷积网络》一文中提出的一种大型卷积神经网络。该网络在ImageNet数据集中实现了92.7％的top-5测试准确性。但是，它经过了数周的训练。这是该模型的高级概述：

GoogLeNet也称为Inception。这是因为它利用了两个概念：1×1卷积和初始模块。第一个概念1×1卷积用作降维模块。通过减少维数，计算量也会减少，这意味着可以增加网络的深度和宽度。GoogLeNet并未使用每个卷积层的固定大小，而是使用了Inception模块：

如您所见，1×1卷积层，3×3卷积层，5×5卷积层和3×3最大池化层一起执行它们的操作，然后将它们的结果再次在输出时堆叠在一起。GoogLeNet总共有22层，看起来像这样：

剩余网络或ResNet是我们在本文中将要使用的最终体系框架。以前的框架存在的问题是它们很深。它们有很多层，因此很难训练（逐渐消失的梯度）。因此，ResNet通过所谓的“身份快捷方式连接”或剩余块解决了该问题：

本质上，ResNet遵循VGG的3×3卷积层设计，其中每个卷积层后面都有一个批处理归一化层和ReLU激活功能。但是，不同之处在于，在最终ReLu之前，我们向ResNet注入了输入。变体之一是，输入值通过1×1卷积层。

Dataset

在本文中，我们使用“猫与狗”数据集。该数据集包含23,262张猫和狗的图像。

您可能会注意到图像没有被标准化，并且它们具有不同的形状。很棒的事情是，它可以作为TensorFlow数据集的一部分使用。因此，请确保已在您的环境中安装了TensorFlow数据集：

pip install tensorflow-dataset

与库中的其他数据集不同，此数据集未分为训练数据和测试数据，因此我们需要自己执行拆分。您可以在此处找到有关数据集的更多信息。

Implementation

此实现分为几个部分。首先，我们实现负责加载数据并准备数据的类。然后，我们导入经过预训练的模型并构建一个可修改其顶层的类。最后，我们运行训练过程和评估过程。当然，在一切之前，我们必须导入一些库并定义一些全局常量：

import numpy as np
import matplotlib.pyplot as plt

import tensorflow as tf
import tensorflow_datasets as tfds

IMG_SIZE = 160
BATCH_SIZE = 32
SHUFFLE_SIZE = 1000
IMG_SHAPE = (IMG_SIZE, IMG_SIZE, 3)

好吧，让我们深入研究实施！

Data Loader

这个类负责加载数据并准备进行处理。下面是它的样子：

class DataLoader(object):
def __init__(self, image_size, batch_size):
self.image_size = image_size
self.batch_size = batch_size

# 80% train data, 10% validation data, 10% test data
split_weights = (8, 1, 1)
splits = tfds.Split.TRAIN.subsplit(weighted=split_weights)

(self.train_data_raw, self.validation_data_raw, self.test_data_raw), self.metadata = tfds.load(
'cats_vs_dogs', split=list(splits),
with_info=True, as_supervised=True)

# Get the number of train examples
self.num_train_examples = self.metadata.splits['train'].num_examples * 80 / 100
self.get_label_name = self.metadata.features['label'].int2str

# Pre-process data
self._prepare_data()
self._prepare_batches()

# Resize all images to image_size x image_size
def _prepare_data(self):
self.train_data = self.train_data_raw.map(self._resize_sample)
self.validation_data = self.validation_data_raw.map(self._resize_sample)
self.test_data = self.test_data_raw.map(self._resize_sample)

# Resize one image to image_size x image_size
def _resize_sample(self, image, label):
image = tf.cast(image, tf.float32)
image = (image / 127.5) - 1
image = tf.image.resize(image, (self.image_size, self.image_size))
return image, label

def _prepare_batches(self):
self.train_batches = self.train_data.shuffle(1000).batch(self.batch_size)
self.validation_batches = self.validation_data.batch(self.batch_size)
self.test_batches = self.test_data.batch(self.batch_size)

# Get defined number of not processed images
def get_random_raw_images(self, num_of_images):
random_train_data_raw = self.train_data_raw.shuffle(1000)
return random_train_raw_data.take(num_of_images)

这个类有很多事情要做。它有几种方法，其中一种是“public”的：

_prepare_data：用于调整数据集图像大小和规范化的内部方法。从构造函数使用。

_resize_sample：用于调整单个图像大小的内部方法。

_prepare_batches：用于从图像创建批次的内部方法。创建用于训练和评估过程的train_batches，validation_batches和test_batches。

get_random_raw_images ：用于从未经处理的原始数据中获取一定数量的随机图像的方法。

但是，大多数事情发生在类的构造函数中。让我们仔细看看。

def __init__(self, image_size, batch_size):

self.image_size = image_size
self.batch_size = batch_size

# 80% train data, 10% validation data, 10% test data
split_weights = (8, 1, 1)
splits = tfds.Split.TRAIN.subsplit(weighted=split_weights)

(self.train_data_raw, self.validation_data_raw, self.test_data_raw), self.metadata = tfds.load(
'cats_vs_dogs', split=list(splits),
with_info=True, as_supervised=True)

# Get the number of train examples
self.num_train_examples = self.metadata.splits['train'].num_examples*80/100
self.get_label_name = self.metadata.features['label'].int2str

# Pre-process data
self._prepare_data()
self._prepare_batches()

首先，我们定义通过参数注入的图像和批大小。然后，由于数据集尚未拆分为训练和测试数据，因此我们使用拆分权重拆分数据。这确实是TensorFlow数据集引入的一项很酷的功能，因为我们始终处于TensorFlow生态系统之内，而不必涉及其他库，例如Pandas或SciKit Learn。一旦我们执行了数据分割，我们将计算训练样本的数量，并调用helper函数为训练准备数据。在此之后，我们要做的就是实例化此类的对象并从加载的数据中获得乐趣：

data_loader = DataLoader(IMG_SIZE, BATCH_SIZE, SHUFFLE_SIZE)

plt.figure(figsize=(10, 8))
i = 0
for img, label in data_loader.get_random_raw_images(20):
plt.subplot(4, 5, i+1)
plt.imshow(img)
plt.title("{} - {}".format(data_loader.get_label_name(label), img.shape))
plt.xticks([])
plt.yticks([])
i += 1
plt.tight_layout()
plt.show()

输出：

Base Models & Wrapper

下一件事是装载预先训练过的模型。如前所述，这些模型位于tensorflow.kearas.applications中。加载它们非常直接：

vgg16_base = tf.keras.applications.VGG16(input_shape=IMG_SHAPE, include_top=False, weights='imagenet')
googlenet_base = tf.keras.applications.InceptionV3(input_shape=IMG_SHAPE, include_top=False, weights='imagenet')
resnet_base = tf.keras.applications.ResNet101V2(input_shape=IMG_SHAPE, include_top=False, weights='imagenet')

这就是我们如何创建三种感兴趣架构的基础模型。注意，对于每个模型，include_top参数都被定义为False。这意味着这些模型用于特征提取。一旦我们有了它们，我们需要修改这些模型的顶层，以便将它们应用于我们的具体问题。我们使用Wrapper类来实现。此类接受注入的预训练模型，并添加一个全局平均轮询层和一个密集层。本质上，最后的全连接层用于我们的二进制分类（汽车或狗）。Wrapper类将所有这些东西放到一个模型中：

class Wrapper(tf.keras.Model):
def __init__(self, base_model):
super(Wrapper, self).__init__()

self.base_model = base_model
self.average_pooling_layer = tf.keras.layers.GlobalAveragePooling2D()
self.output_layer = tf.keras.layers.Dense(1)

def call(self, inputs):
x = self.base_model(inputs)
x = self.average_pooling_layer(x)
output = self.output_layer(x)
return output

然后，我们可以创建用于分类猫与狗数据集的真实模型并编译这些模型：

base_learning_rate = 0.0001

vgg16_base.trainable = False
vgg16 = Wrapper(vgg16_base)
vgg16.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
loss='binary_crossentropy',
metrics=['accuracy'])

googlenet_base.trainable = False
googlenet = Wrapper(googlenet_base)
googlenet.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
loss='binary_crossentropy',
metrics=['accuracy'])

resnet_base.trainable = False
resnet = Wrapper(resnet_base)
resnet.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
loss='binary_crossentropy',
metrics=['accuracy'])

注意，我们已将基本模型标记为不可训练。这意味着在训练过程中，我们将只训练添加的顶层，而底层的权重不会改变。

Training

在进入整个训练过程之前，让我们回顾一下以下事实：原则上，这些模型的大部分已经过训练。因此，我们可以做的是执行评估过程，看看我们的着陆点：

loss1, accuracy1 = vgg16.evaluate(data_loader.validation_batches, steps = 20)
loss2, accuracy2 = googlenet.evaluate(data_loader.validation_batches, steps = 20)
loss3, accuracy3 = resnet.evaluate(data_loader.validation_batches, steps = 20)

print("--------VGG16---------")
print("Initial loss: {:.2f}".format(loss1))
print("Initial accuracy: {:.2f}".format(accuracy1))
print("---------------------------")

print("--------GoogLeNet---------")
print("Initial loss: {:.2f}".format(loss2))
print("Initial accuracy: {:.2f}".format(accuracy2))
print("---------------------------")

print("--------ResNet---------")
print("Initial loss: {:.2f}".format(loss3))
print("Initial accuracy: {:.2f}".format(accuracy3))
print("---------------------------")

有趣的是，无需事先训练任何这些模型，我们就可以得到不错的结果（准确性为50％）：

以50％的精度开始并不是一件坏事。因此，让我们运行培训过程，看看我们会变得更好吗。首先我们训练VGG16：

history = vgg16.fit(data_loader.train_batches,
epochs=10,
validation_data=data_loader.validation_batches)

History看起来像这样：

然后我们训练GoogLeNet：

history = googlenet.fit(data_loader.train_batches,
epochs=10,
validation_data=data_loader.validation_batches)

训练过程的History如下：

最后，我们训练ResNet：

history = resnet.fit(data_loader.train_batches,
epochs=10,
validation_data=data_loader.validation_batches)

这是该过程的History历：

由于我们只培训顶层而不是整个网络，因此对这三个模型的培训仅持续了几个小时，而不是几个星期。

Evaluation

我们发现，一开始，无需任何培训，我们就能获得大约50％的准确性。让我们看看训练后的情况：

loss1, accuracy1 = vgg16.evaluate(data_loader.test_batches, steps = 20)
loss2, accuracy2 = googlenet.evaluate(data_loader.test_batches, steps = 20)
loss3, accuracy3 = resnet.evaluate(data_loader.test_batches, steps = 20)

print("--------VGG16---------")
print("Loss: {:.2f}".format(loss1))
print("Accuracy: {:.2f}".format(accuracy1))
print("---------------------------")

print("--------GoogLeNet---------")
print("Loss: {:.2f}".format(loss2))
print("Accuracy: {:.2f}".format(accuracy2))
print("---------------------------")

print("--------ResNet---------")
print("Loss: {:.2f}".format(loss3))
print("Accuracy: {:.2f}".format(accuracy3))
print("---------------------------")