建構(gòu)數(shù)據(jù)集

為了練習(xí)「建構(gòu)數(shù)據(jù)集」這個(gè)題目，我們首先必須要有數(shù)據(jù)集，但實(shí)在不容易在短時(shí)間內(nèi)收集到數(shù)千張的影像，好在知名人工智能比賽平臺(tái)Kaggle上有一個(gè)「Dogs and Cats」的影像分類(lèi)比賽，它提供了大量的貓狗影像，以供測(cè)試「深度學(xué)習(xí)」算法（模型）的正確性。

Google為方便大家測(cè)試Colab，再將其減量到訓(xùn)練用影像貓狗各1000張，驗(yàn)證用影像貓狗各500張，其數(shù)據(jù)集樣本大致上如下圖所示。影像沒(méi)并沒(méi)有特定尺寸，貓狗在影像中占的面積比例、種類(lèi)、色彩、數(shù)量、位置、明暗、遮蔽、背景復(fù)雜度也都沒(méi)有限制。

Kaggle提供的「Dogs and Cats」數(shù)據(jù)集樣本

卷積神經(jīng)網(wǎng)絡(luò)模型

這個(gè)范例中，主要利用TensorFlow及Keras建構(gòu)出一個(gè)小型的卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network， CNN），共有三層卷積層（包含ReLu及Max Pooling），每個(gè)卷積層皆用3×3的濾波器進(jìn)行卷積動(dòng)作，三層分別提取16， 32及64組濾波器。接著展開(kāi)成獨(dú)立節(jié)點(diǎn)后，再加入二層全連結(jié)層，分別為512及1個(gè)節(jié)點(diǎn)，而最后得到的那一個(gè)節(jié)點(diǎn)加上Sigmodid函數(shù)即為最終輸出的結(jié)果，合計(jì)共有9，494，561個(gè)參數(shù)待訓(xùn)練。

輸出的結(jié)果值會(huì)介于0．0 ～ 1．0，當(dāng)值越接近1．0時(shí)圖片為狗的機(jī)率越高，反之輸出值越接近0．0時(shí)圖片判定是貓的機(jī)率越高。雖然這個(gè)模型雖然不大，但可適用各種圖像的二元分類(lèi)問(wèn)題，大家可試著導(dǎo)入自己準(zhǔn)備的圖像進(jìn)行測(cè)試。完整模型架構(gòu)可參考下圖。

卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)

訓(xùn)練及驗(yàn)證

下方圖左為正確率，圖右為損失率，橫軸代表迭代次數(shù)，縱軸代表正確（或損失）率；藍(lán)線代表訓(xùn)練集結(jié)果，而綠線代表驗(yàn)證集結(jié)果。從圖中可看出藍(lán)線在第十次正確率就已超過(guò)0．97（97％），而損失率已趨近0，但綠色的線正確率卻沒(méi)有繼續(xù)變高，數(shù)值約接近0．7（70％），損失率反而逐漸增高。這表示訓(xùn)練過(guò)程已造成過(guò)擬合（over fitting）的狀況，需要加入更多不同樣態(tài)及更多數(shù)量的數(shù)據(jù)集再重新訓(xùn)練才能改善。

左：訓(xùn)練及驗(yàn)證準(zhǔn)確性，右：訓(xùn)練及驗(yàn)證損失

推論結(jié)果

接著就可利用前面訓(xùn)練好的模型（model）來(lái)加以推論（或稱(chēng)為預(yù)測(cè)）。首先提供一張圖片，并將圖像數(shù)據(jù)正規(guī)化（150x150x3， Float32），接著進(jìn)行推論，最后會(huì)得到圖像分類(lèi)結(jié)果分?jǐn)?shù)，而分?jǐn)?shù)越接近1．0則表示是狗的機(jī)率越高，反之越接近0．0則越可能是貓。我們可以另設(shè)幾個(gè)自定義門(mén)坎值來(lái)區(qū)隔分類(lèi)結(jié)果，比方說(shuō)「這是狗」、「這可能是狗」、「這可能是貓」、「這是貓」等不同結(jié)果描述。

為了讓大家更了解深度學(xué)習(xí)模型運(yùn)作方式，將各層運(yùn)作結(jié)果輸出到特征圖中，再逐一秀出。如下圖，最上面為原始輸入影像正規(guī)化后的結(jié)果圖，再來(lái)才是真正導(dǎo)入輸入層的信息，尺寸為150×150共有3組（RGB三通道）。

第一卷積層共產(chǎn)生16個(gè)特征圖，conv2d＿1尺寸為148×148，max＿pooling2d＿1尺寸為74×74；第二卷積層共產(chǎn)生32個(gè)特征圖，conv2d＿2尺寸為72×72，max＿pooling＿2為36×36；第三卷積層共產(chǎn)生64個(gè)特征圖，conv2d＿3尺寸為34×34，max＿pooling＿3為17×17；最后的全連結(jié)層（dense）則為單一節(jié)點(diǎn)信息，不易以圖形方式表示，故忽略不處理。

從各層特征圖中可看出，隨著影像尺寸縮小其被激活的像素越來(lái)越少，甚至完全不輸出（全黑），表示其特征已被某些卷積（濾波器）給凸顯出來(lái)。對(duì)于我們所需的圖像分類(lèi)（辨識(shí)）能力也逐漸增強(qiáng)了。

推論結(jié)果可視化

結(jié)論

Google Colaboratory這項(xiàng)免費(fèi)的云端GPU資源實(shí)在很方便剛?cè)腴T(mén)的伙伴進(jìn)行「深度學(xué)習(xí)」（一語(yǔ)雙關(guān)），它不會(huì)因?yàn)閭�(gè)人計(jì)算機(jī)（筆電）的配備等級(jí)不同，而影響模型訓(xùn)練及推論的效能。同時(shí)，可輕易的分享代碼給其它想學(xué)的人，對(duì)開(kāi)源社群更是一大助力。希望不久的將來(lái)有更多伙伴能一起加入研究及分享，讓更多人工智能的應(yīng)用能加速落地。

完整代碼及說(shuō)明，請(qǐng)參閱Github．

作者：許哲豪