我們將僅使用全連接層在20000張圖像上訓練圖像分類模型。所以沒有卷積和其他花哨的東西，我們將把它們留到下一篇文章中。

不用說，但你真的不應該使用普通的人工神經網(wǎng)絡來分類圖像。圖像是二維的，通過展平圖像，你將失去使圖像可識別的模式。盡管如此，它還是很有趣且可行的，并且會讓你洞察這種方法的所有錯誤。

使用的數(shù)據(jù)集和數(shù)據(jù)準備

我們將使用Kaggle的狗與貓數(shù)據(jù)集。它是根據(jù)知識共享許可證授權的，這意味著你可以免費使用它：

圖1：狗與貓數(shù)據(jù)集：

該數(shù)據(jù)集相當大——25000張圖像均勻分布在不同的類中（12500張狗圖像和12500張貓圖像）。它應該足夠大，可以訓練一個像樣的圖像分類器，但不能使用人工神經網(wǎng)絡。

唯一的問題是——它的結構不適合直接使用。你可以按照之前的文章創(chuàng)建一個適當?shù)哪夸浗Y構，并將其拆分為訓練集、測試集和驗證集：

縮小、灰度化和展平圖像

讓我們導入相關庫。我們需要很多，需要安裝Numpy、Pandas、TensorFlow、PIL和Scikit Learn：

我們不能將圖像直接傳遞到Dense層。單個圖像是三維的——高度、寬度、顏色通道——而Dense層需要一維輸入。

讓我們看一個例子。以下代碼加載并顯示訓練集中的cat圖像：

src＿img ＝ Image．open（＇data／train／cat／1．jpg＇）

display（src＿img）

圖2——貓的圖片示例

圖像寬281像素，高300像素，有三個顏色通道（np．array（src＿img）．shape）。

總的來說，它有252900個像素，在展平時轉化為252900個特征。讓我們盡可能節(jié)省一些資源。

如果有意義的話，你應該對你的圖像數(shù)據(jù)集進行灰度化。如果你能對不以顏色顯示的圖像進行分類，那么神經網(wǎng)絡也應該如此。可以使用以下代碼段將圖像轉換為灰色：

gray＿img ＝ ImageOps．grayscale（src＿img）

display（gray＿img）

圖3：灰色貓圖像

顯然，它仍然是一只貓，所以顏色在這個數(shù)據(jù)集中并沒有起到很大作用。

灰度圖像寬281像素，高300像素，但只有一個顏色通道。這意味著我們從252，900 像素減少到84，300 像素。仍然很多，但肯定是朝著正確的方向邁出了一步。

數(shù)據(jù)集中的圖像大小不同。這對于神經網(wǎng)絡模型來說是個問題，因為它每次都需要相同數(shù)量的輸入特征。

我們可以將每個圖像調整為相同的寬度和高度，以進一步減少輸入特征的數(shù)量。

下面的代碼片段調整了圖像的大小，使其既寬又高96像素：

gray＿resized＿img ＝ gray＿img．resize（size＝（96， 96））

display（gray＿resized＿img）

圖4：調整大小的貓圖片

當然，圖像有點小而且模糊，但它仍然是一只貓。但是我們的特征減少到9216個，相當于將特征的數(shù)量減少了27倍。

作為最后一步，我們需要將圖像展平。你可以使用Numpy中的ravel函數(shù)來執(zhí)行此操作：

np．ravel（gray＿resized＿img）

圖5：扁平貓圖片

計算機就是這樣看待貓的——它只是一個9216像素的數(shù)組，范圍從0到255。問題是——神經網(wǎng)絡更喜歡0到1之間的范圍。我們將整個數(shù)組除以255．0即可：

img＿final ＝ np．ravel（gray＿resized＿img） ／ 255．0

img＿final

圖6－扁平和縮放的貓圖像

作為最后一步，我們將編寫一個process＿image函數(shù)，將上述所有轉換應用于單個圖像：

讓我們在隨機的狗圖像上進行測試，然后反轉最后一步，以直觀地表示圖像：

tst＿img ＝ process＿image（img＿path＝＇data／validation／dog／10012．jpg＇）

Image．fromarray（np．uint8（tst＿img ＊ 255）．reshape（（96， 96）））

圖7：經過變換的狗形象

就這樣，這個函數(shù)就像字面意思。接下來，我們將其應用于整個數(shù)據(jù)集。

將圖像轉換為表格數(shù)據(jù)進行深度學習

我們將編寫另一個函數(shù)——process＿folder——它迭代給定的文件夾，并在任何JPG文件上使用process＿image函數(shù)。然后，它將所有圖像合并到一個數(shù)據(jù)幀中，并添加一個類作為附加列（貓或狗）：

讓我們將其應用于訓練、測試和驗證文件夾。每個文件夾需要調用兩次，一次用于貓，一次用于狗，然后連接集合。我們還將把數(shù)據(jù)集轉儲到pickle文件中：

下面是訓練集的樣子：

＃ Training set

train＿cat ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／train／cat＇））

train＿dog ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／train／dog＇））

train＿set ＝ pd．concat（［train＿cat， train＿dog］， axis＝0）

with open（＇train＿set．pkl＇， ＇wb＇） as f：

   pickle．dump（train＿set， f）

＃ Test set

test＿cat ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／test／cat＇））

test＿dog ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／test／dog＇））

test＿set ＝ pd．concat（［test＿cat， test＿dog］， axis＝0）

with open（＇test＿set．pkl＇， ＇wb＇） as f：

   pickle．dump（test＿set， f）

＃ Validation set 

valid＿cat ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／validation／cat＇））

valid＿dog ＝ process＿folder（folder＝pathlib．Path．cwd（）．joinpath（＇data／validation／dog＇））

valid＿set ＝ pd．concat（［valid＿cat， valid＿dog］， axis＝0）

with open（＇valid＿set．pkl＇， ＇wb＇） as f：

   pickle．dump（valid＿set， f）

圖8——訓練集

數(shù)據(jù)集包含所有貓的圖像，然后是所有狗的圖像。這對于訓練集和驗證集來說并不理想，因為神經網(wǎng)絡會按照這個順序看到它們。

你可以使用Scikit Learn中的隨機函數(shù)來隨機排序：

train＿set ＝ shuffle（train＿set）．reset＿index（drop＝True）

valid＿set ＝ shuffle（valid＿set）．reset＿index（drop＝True）

下面是它現(xiàn)在的樣子：

圖9——隨機后的訓練集

下一步是將特征與目標分離。我們將對所有三個子集進行拆分：

X＿train ＝ train＿set．drop（＇class＇， axis＝1）

y＿train ＝ train＿set［＇class＇］

X＿valid ＝ valid＿set．drop（＇class＇， axis＝1）

y＿valid ＝ valid＿set［＇class＇］

X＿test ＝ test＿set．drop（＇class＇， axis＝1）

y＿test ＝ test＿set［＇class＇］

最后，使用數(shù)字編碼目標變量。有兩個不同的類（cat和dog），因此每個實例的目標變量應該包含兩個元素。

例如，使用factorize函數(shù)進行編碼：

y＿train．factorize（）

圖10－factorize函數(shù)

標簽被轉換成整數(shù)——貓為0，狗為1。

你可以使用TensorFlow中的to＿category函數(shù)，并傳入factorize后的數(shù)組，以及不同類的數(shù)量（2）：

y＿train ＝ tf．keras．utils．to＿categorical（y＿train．factorize（）［0］， num＿classes＝2）

y＿valid ＝ tf．keras．utils．to＿categorical（y＿valid．factorize（）［0］， num＿classes＝2）

y＿test ＝ tf．keras．utils．to＿categorical（y＿test．factorize（）［0］， num＿classes＝2）

因此，y＿train現(xiàn)在看起來是這樣的：

圖11——目標變量

從概率的角度考慮——第一張圖片有100％的幾率是貓，0％的幾率是狗。這些都是真實的標簽，所以概率可以是0或1。

我們現(xiàn)在終于有了訓練神經網(wǎng)絡模型所需的一切。

用人工神經網(wǎng)絡（ANN）訓練圖像分類模型

我隨機選擇了層的數(shù)量和每層的節(jié)點數(shù)量，以下2部分不能更改：

· 輸出層——它需要兩個節(jié)點，因為我們有兩個不同的類。我們不能再使用sigmoid激活函數(shù)了，所以選擇softmax。

· 損失函數(shù)——我們使用分類交叉熵。

其他部分可以隨意更改：

以下是我在100個epoch后得到的結果：

圖12：100個epoch后的ANN結果

60％的準確率比猜測稍微好一點，但性能一般。盡管如此，我們還是來檢查一下訓練期間指標發(fā)生了什么變化。

以下代碼片段繪制了100個epoch中每個epoch的訓練損失與驗證損失：

plt．plot（np．arange（1， 101）， history．history［＇loss＇］， label＝＇Training Loss＇）

plt．plot（np．arange（1， 101）， history．history［＇val＿loss＇］， label＝＇Validation Loss＇）

plt．title（＇Training vs． Validation Loss＇， size＝20）

plt．xlabel（＇Epoch＇， size＝14）

plt．legend（）；

圖13：訓練損失與驗證損失

該模型能很好地學習訓練數(shù)據(jù)，但不能推廣。隨著我們對模型進行更多epoch的訓練，驗證損失繼續(xù)增加，這表明模型不穩(wěn)定且不可用。

讓我們看看準確度：

plt．plot（np．arange（1， 101）， history．history［＇accuracy＇］， label＝＇Training Accuracy＇）

plt．plot（np．arange（1， 101）， history．history［＇val＿accuracy＇］， label＝＇Validation Accuracy＇）

plt．title（＇Training vs． Validation Accuracy＇， size＝20）

plt．xlabel（＇Epoch＇， size＝14）

plt．legend（）；

圖14：訓練準確度與驗證準確度

類似的圖片。驗證精度穩(wěn)定在60％左右，而模型對訓練數(shù)據(jù)的擬合度過高。

對于一個包含20K訓練圖像的兩類數(shù)據(jù)集，60％的準確率幾乎是它所能達到的最差水平。原因很簡單——Dense層的設計并不是為了捕捉二維圖像數(shù)據(jù)的復雜性。

結論

現(xiàn)在你知道了——如何用人工神經網(wǎng)絡訓練一個圖像分類模型，以及為什么你不應該這么做。這就像穿著人字拖爬山——也許你能做到，但最好不要。

       原文標題 : 人工神經網(wǎng)絡訓練圖像分類器