快捷導(dǎo)航

tensorflow2.0如何實(shí)現(xiàn)cnn的圖像識別

更新時間：2022年12月17日 09:00:35 作者：zhangztSky

這篇文章主要介紹了tensorflow2.0如何實(shí)現(xiàn)cnn的圖像識別，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

tensorflow2.0實(shí)現(xiàn)cnn圖像識別

import  tensorflow as tf
from    tensorflow.keras import layers, optimizers, datasets, Sequential
import  os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
tf.random.set_seed(2345)

conv_layers = [ # 5 units of conv + max pooling
    # unit 1
    layers.Conv2D(64, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.Conv2D(64, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='same'),

    # unit 2
    layers.Conv2D(128, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.Conv2D(128, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='same'),

    # unit 3
    layers.Conv2D(256, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.Conv2D(256, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='same'),

    # unit 4
    layers.Conv2D(512, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.Conv2D(512, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='same'),

    # unit 5
    layers.Conv2D(512, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.Conv2D(512, kernel_size=[3, 3], padding="same", activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='same')

]



def preprocess(x, y):
    # [0~1]
    x = tf.cast(x, dtype=tf.float32) / 255.
    y = tf.cast(y, dtype=tf.int32)
    return x,y


(x,y), (x_test, y_test) = datasets.cifar100.load_data()
y = tf.squeeze(y, axis=1)
y_test = tf.squeeze(y_test, axis=1)
print(x.shape, y.shape, x_test.shape, y_test.shape)


train_db = tf.data.Dataset.from_tensor_slices((x,y))
train_db = train_db.shuffle(1000).map(preprocess).batch(128)

test_db = tf.data.Dataset.from_tensor_slices((x_test,y_test))
test_db = test_db.map(preprocess).batch(64)

sample = next(iter(train_db))
print('sample:', sample[0].shape, sample[1].shape,
      tf.reduce_min(sample[0]), tf.reduce_max(sample[0]))


def main():

    # [b, 32, 32, 3] => [b, 1, 1, 512]
    conv_net = Sequential(conv_layers)

    fc_net = Sequential([
        layers.Dense(256, activation=tf.nn.relu),
        layers.Dense(128, activation=tf.nn.relu),
        layers.Dense(100, activation=None),
    ])

    conv_net.build(input_shape=[None, 32, 32, 3])
    fc_net.build(input_shape=[None, 512])
    optimizer = optimizers.Adam(lr=1e-4)

    # [1, 2] + [3, 4] => [1, 2, 3, 4]
    variables = conv_net.trainable_variables + fc_net.trainable_variables

    for epoch in range(50):

        for step, (x,y) in enumerate(train_db):

            with tf.GradientTape() as tape:
                # [b, 32, 32, 3] => [b, 1, 1, 512]
                out = conv_net(x)
                # flatten, => [b, 512]
                out = tf.reshape(out, [-1, 512])
                # [b, 512] => [b, 100]
                logits = fc_net(out)
                # [b] => [b, 100]
                y_onehot = tf.one_hot(y, depth=100)
                # compute loss
                loss = tf.losses.categorical_crossentropy(y_onehot, logits, from_logits=True)
                loss = tf.reduce_mean(loss)

            grads = tape.gradient(loss, variables)
            optimizer.apply_gradients(zip(grads, variables))

            if step %100 == 0:
                print(epoch, step, 'loss:', float(loss))



        total_num = 0
        total_correct = 0
        for x,y in test_db:

            out = conv_net(x)
            out = tf.reshape(out, [-1, 512])
            logits = fc_net(out)
            prob = tf.nn.softmax(logits, axis=1)
            pred = tf.argmax(prob, axis=1)
            pred = tf.cast(pred, dtype=tf.int32)

            correct = tf.cast(tf.equal(pred, y), dtype=tf.int32)
            correct = tf.reduce_sum(correct)

            total_num += x.shape[0]
            total_correct += int(correct)

        acc = total_correct / total_num
        print(epoch, 'acc:', acc)



if __name__ == '__main__':
    main()

cnn+tensorflow實(shí)現(xiàn)識別圖片

通過一個圖像分類問題介紹卷積神經(jīng)網(wǎng)絡(luò)是如何工作的。下面是卷積神經(jīng)網(wǎng)絡(luò)判斷一個圖片是否包含“兒童”的過程，包括四個步驟：

● 圖像輸入（InputImage）

● 卷積（Convolution）

● 最大池化（MaxPooling）

● 全連接神經(jīng)網(wǎng)絡(luò)（Fully-ConnectedNeural Network）計(jì)算。

首先將圖片分割成如下圖的重疊的獨(dú)立小塊；下圖中，這張照片被分割成了77張大小相同的小圖片。

接下來將每一個獨(dú)立小塊輸入小的神經(jīng)網(wǎng)絡(luò)；這個小的神經(jīng)網(wǎng)絡(luò)已經(jīng)被訓(xùn)練用來判斷一個圖片是否屬于“兒童”類別，它輸出的是一個特征數(shù)組。

標(biāo)準(zhǔn)的數(shù)碼相機(jī)有紅、綠、藍(lán)三個通道（Channels），每一種顏色的像素值在0-255之間，構(gòu)成三個堆疊的二維矩陣；灰度圖像則只有一個通道，可以用一個二維矩陣來表示。

將所有的獨(dú)立小塊輸入小的神經(jīng)網(wǎng)絡(luò)后，再將每一個輸出的特征數(shù)組按照第一步時77個獨(dú)立小塊的相對位置做排布，得到一個新數(shù)組。

第二步中，這個小的神經(jīng)網(wǎng)絡(luò)對這77張大小相同的小圖片都進(jìn)行同樣的計(jì)算，也稱權(quán)重共享（SharedWeights）。

這樣做是因?yàn)椋谝?，對圖像等數(shù)組數(shù)據(jù)來說，局部數(shù)組的值經(jīng)常是高度相關(guān)的，可以形成容易被探測到的獨(dú)特的局部特征；第二，圖像和其它信號的局部統(tǒng)計(jì)特征與其位置是不太相關(guān)的，如果特征圖能在圖片的一個部分出現(xiàn)，也能出現(xiàn)在任何地方。

所以不同位置的單元共享同樣的權(quán)重，并在數(shù)組的不同部分探測相同的模式。

數(shù)學(xué)上，這種由一個特征圖執(zhí)行的過濾操作是一個離散的卷積，卷積神經(jīng)網(wǎng)絡(luò)由此得名。

卷積步驟完成后，再使用MaxPooling算法來縮減像素采樣數(shù)組，按照2×2來分割特征矩陣，分出的每一個網(wǎng)格中只保留最大值數(shù)組，丟棄其它數(shù)組，得到最大池化數(shù)組（Max-PooledArray）。

接下來將最大池化數(shù)組作為另一個神經(jīng)網(wǎng)絡(luò)的輸入，這個全連接神經(jīng)網(wǎng)絡(luò)會最終計(jì)算出此圖是否符合預(yù)期的判斷。

在實(shí)際應(yīng)用時，卷積、最大池化和全連接神經(jīng)網(wǎng)絡(luò)計(jì)算，這幾步中的每一步都可以多次重復(fù)進(jìn)行，總思路是將大圖片不斷壓縮，直到輸出單一的值。使用更多卷積步驟，神經(jīng)網(wǎng)絡(luò)就可以處理和學(xué)習(xí)更多的特征。