第T8周：猫狗识别

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

# 打印显卡信息，确认GPU可用
print(gpus)

import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

import os,PIL,pathlib

#隐藏警告
import warnings
warnings.filterwarnings('ignore')

data_dir = "./365-7-data"
data_dir = pathlib.Path(data_dir)

image_count = len(list(data_dir.glob('*/*')))

print("图片总数为：",image_count)

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
图片总数为： 3400

2.数据预处理

batch_size = 8
img_height = 224
img_width = 224

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.youkuaiyun.com/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.youkuaiyun.com/article/details/117018789
"""
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

class_names = train_ds.class_names
print(class_names)

for image_batch, labels_batch in train_ds:
    print(image_batch.shape)
    print(labels_batch.shape)
    break
    
AUTOTUNE = tf.data.experimental.AUTOTUNE

def preprocess_image(image,label):
    return (image/255.0,label)

# 归一化处理
train_ds = train_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)
val_ds   = val_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds   = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

plt.figure(figsize=(15, 10))  # 图形的宽为15高为10

for images, labels in train_ds.take(1):
    for i in range(8):
        
        ax = plt.subplot(5, 8, i + 1) 
        plt.imshow(images[i])
        plt.title(class_names[labels[i]])
        
        plt.axis("off")

Found 3400 files belonging to 2 classes.
Using 2720 files for training.
Found 3400 files belonging to 2 classes.
Using 680 files for validation.
['cat', 'dog']
(8, 224, 224, 3)
(8,)

3.构建VGG-16网络

from tensorflow.keras import layers, models, Input
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):
    input_tensor = Input(shape=input_shape)
    # 1st block
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv1')(input_tensor)
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block1_pool')(x)
    # 2nd block
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv1')(x)
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block2_pool')(x)
    # 3rd block
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv1')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv2')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block3_pool')(x)
    # 4th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block4_pool')(x)
    # 5th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block5_pool')(x)
    # full connection
    x = Flatten()(x)
    x = Dense(4096, activation='relu',  name='fc1')(x)
    x = Dense(4096, activation='relu', name='fc2')(x)
    output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

    model = Model(input_tensor, output_tensor)
    return model

model=VGG16(1000, (img_width, img_height, 3))
model.summary()

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, 224, 224, 3)]     0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 224, 224, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 224, 224, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 112, 112, 64)      0         
_________________________________________________________________
block2_conv1 (Conv2D)        (None, 112, 112, 128)     73856     
_________________________________________________________________
block2_conv2 (Conv2D)        (None, 112, 112, 128)     147584    
_________________________________________________________________
block2_pool (MaxPooling2D)   (None, 56, 56, 128)       0         
_________________________________________________________________
block3_conv1 (Conv2D)        (None, 56, 56, 256)       295168    
_________________________________________________________________
block3_conv2 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_conv3 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_pool (MaxPooling2D)   (None, 28, 28, 256)       0         
_________________________________________________________________
block4_conv1 (Conv2D)        (None, 28, 28, 512)       1180160   
_________________________________________________________________
block4_conv2 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_conv3 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_pool (MaxPooling2D)   (None, 14, 14, 512)       0         
_________________________________________________________________
block5_conv1 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_conv2 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_conv3 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_pool (MaxPooling2D)   (None, 7, 7, 512)         0         
_________________________________________________________________
flatten (Flatten)            (None, 25088)             0         
_________________________________________________________________
fc1 (Dense)                  (None, 4096)              102764544 
_________________________________________________________________
fc2 (Dense)                  (None, 4096)              16781312  
_________________________________________________________________
predictions (Dense)          (None, 1000)              4097000   
=================================================================
Total params: 138,357,544
Trainable params: 138,357,544
Non-trainable params: 0
_________________________________________________________________

4.编译

model.compile(optimizer="adam",
              loss     ='sparse_categorical_crossentropy',
              metrics  =['accuracy'])

5.训练模型

from tqdm import tqdm
import tensorflow.keras.backend as K

epochs = 10
lr     = 1e-4
train_loss = 0
train_accuracy = 0
val_loss = 0
val_accuracy = 0


# 记录训练数据，方便后面的分析
history_train_loss     = []
history_train_accuracy = []
history_val_loss       = []
history_val_accuracy   = []

for epoch in range(epochs):
    train_total = len(train_ds)
    val_total   = len(val_ds)
    
    """
    total：预期的迭代数目
    ncols：控制进度条宽度
    mininterval：进度更新最小间隔，以秒为单位（默认值：0.1）
    """
    with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=1,ncols=100) as pbar:
        
        lr = lr*0.92
        K.set_value(model.optimizer.lr, lr)

        for image,label in train_ds:   
            """
            训练模型，简单理解train_on_batch就是：它是比model.fit()更高级的一个用法

            想详细了解 train_on_batch 的同学，
            可以看看我的这篇文章：https://www.yuque.com/mingtian-fkmxf/hv4lcq/ztt4gy
            """
            history = model.train_on_batch(image,label)

            train_loss     += history[0]
            train_accuracy += history[1]
            
            pbar.set_postfix({"loss": "%.4f"%train_loss,
                              "accuracy":"%.4f"%train_accuracy,
                              "lr": K.get_value(model.optimizer.lr)})
            pbar.update(1)
            
        # 计算平均损失和准确率
        train_loss = train_loss / len(train_ds)
        train_accuracy = train_accuracy / len(train_ds)
        
        history_train_loss.append(train_loss)
        history_train_accuracy.append(train_accuracy)
            
    print('开始验证！')
    
    with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=0.3,ncols=100) as pbar:

        for image,label in val_ds:      
            
            history = model.test_on_batch(image,label)
            
            val_loss     += history[0]
            val_accuracy += history[1]
            
            pbar.set_postfix({"loss": "%.4f"%val_loss,
                              "accuracy":"%.4f"%val_accuracy})
            pbar.update(1)
            
         # 计算平均损失和准确率
        val_loss = val_loss / len(val_ds)
        val_accuracy = val_accuracy / len(val_ds)
        
        history_val_loss.append(val_loss)
        history_val_accuracy.append(val_accuracy)
            
    print('结束验证！')
    print("验证loss为：%.4f"%val_loss)
    print("验证准确率为：%.4f"%val_accuracy)

Epoch 1/10: 100%|████| 340/340 [00:18<00:00, 18.55it/s, loss=279.9736, accuracy=184.0000, lr=9.2e-5]

开始验证！

Epoch 1/10: 100%|███████████████████| 85/85 [00:02<00:00, 37.67it/s, loss=55.5796, accuracy=48.2500]

结束验证！
验证loss为：0.6539
验证准确率为：0.5676

Epoch 2/10: 100%|███| 340/340 [00:18<00:00, 18.08it/s, loss=144.5136, accuracy=276.5412, lr=8.46e-5]

开始验证！

Epoch 2/10: 100%|███████████████████| 85/85 [00:02<00:00, 38.16it/s, loss=25.0840, accuracy=75.0676]

结束验证！
验证loss为：0.2951
验证准确率为：0.8831

Epoch 10/10: 100%|████| 340/340 [00:18<00:00, 18.38it/s, loss=4.7655, accuracy=339.3680, lr=4.34e-5]

开始验证！

Epoch 10/10: 100%|███████████████████| 85/85 [00:02<00:00, 39.95it/s, loss=0.4724, accuracy=85.8074]

结束验证！
验证loss为：0.0056
验证准确率为：1.0095

6.模型估计

epochs_range = range(epochs)

plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, history_train_accuracy, label='Training Accuracy')
plt.plot(epochs_range, history_val_accuracy, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, history_train_loss, label='Training Loss')
plt.plot(epochs_range, history_val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

7.预测

import numpy as np

# 采用加载的模型（new_model）来看预测结果
plt.figure(figsize=(18, 3))  # 图形的宽为18高为5
plt.suptitle("预测结果展示")

for images, labels in val_ds.take(1):
    for i in range(8):
        ax = plt.subplot(1,8, i + 1)  
        
        # 显示图片
        plt.imshow(images[i].numpy())
        
        # 需要给图片增加一个维度
        img_array = tf.expand_dims(images[i], 0) 
        
        # 使用模型预测图片中的人物
        predictions = model.predict(img_array)
        plt.title(class_names[np.argmax(predictions)])

        plt.axis("off")

二、个人总结

1.设置GPU与前期准备

这段代码主要用于配置TensorFlow环境，支持GPU显存按需使用，并打印GPU信息。同时还配置了matplotlib以支持中文显示，隐藏了警告，然后统计了指定目录下的图片总数。

1.1 TensorFlow配置:
- tf.config.list_physical_devices("GPU"): 列出所有可用的物理GPU设备。
- tf.config.experimental.set_memory_growth(gpus[0], True): 设置GPU显存用量按需增长，避免一次性占用全部显存。
- tf.config.set_visible_devices([gpus[0]], "GPU"): 设置使用指定GPU设备。
- print(gpus): 打印GPU信息，确认GPU可用性。
1.2 Matplotlib配置:
- plt.rcParams['font.sans-serif']: 设置Matplotlib的字体以支持中文显示。
- plt.rcParams['axes.unicode_minus']: 设置Matplotlib正常显示负号。
1.3 警告隐藏:
- warnings.filterwarnings('ignore'): 隐藏警告信息，避免干扰。
1.4 数据目录和图片统计:
- data_dir = "./365-7-data": 指定数据目录。
- data_dir = pathlib.Path(data_dir): 将数据目录转换为Path对象，便于后续处理。
- image_count = len(list(data_dir.glob('*/*'))): 统计数据目录下所有子目录（类别）中的图片总数。
- print("图片总数为：", image_count): 打印图片总数。

这段代码主要为后续的数据处理和可视化做准备，确保环境配置正确并获取了数据的基本信息。

2.数据预处理

这段代码用于创建图像数据集，进行预处理，并展示一个 batch 的图像。

2.1 数据集创建:
- tf.keras.preprocessing.image_dataset_from_directory: 使用给定的目录创建图像数据集。将数据分成训练集和验证集，通过指定的参数（如image_size，batch_size）进行预处理。
2.2 图像预处理:
- preprocess_image: 定义了一个图像预处理函数，用于归一化图像。将图像的像素值缩放到[0, 1]范围。
2.3 数据集预处理:
- train_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE): 使用preprocess_image函数对训练集进行预处理，这里利用了并行处理以提高效率。
- val_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE): 同样对验证集进行预处理。
2.4 数据集缓存和预取:
- train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE): 对训练集进行缓存、随机打乱和预取操作，以提高训练效率。
- val_ds.cache().prefetch(buffer_size=AUTOTUNE): 对验证集进行缓存和预取操作。
2.5 图像展示:
- 通过迭代数据集，展示一个 batch 的图像。

这段代码主要完成了图像数据的准备和预处理工作，并通过matplotlib展示了一个 batch 的图像。

3.构建VGG-16网络

这段代码定义了一个简化版的VGG16模型。VGG16是一种深度卷积神经网络模型，以其简单而重复的结构而著称。

3.1 VGG16模型定义函数:
- def VGG16(nb_classes, input_shape): 定义了一个VGG16模型的函数，接受两个参数，分别是类别数 nb_classes 和输入图像的形状 input_shape。
3.2 模型结构定义:
- 通过堆叠不同的卷积层、池化层和全连接层，构建了VGG16模型的结构。
- 分为5个卷积块，每个卷积块包含若干卷积层、池化层和正则化层。
- 最后连接全连接层，输出类别预测结果。
3.3 模型实例化:
- model = Model(input_tensor, output_tensor): 使用Model类实例化模型，传入输入和输出的张量。
3.4 模型概览打印:
- model.summary(): 打印模型的概览，包括模型结构和参数数量等信息。

4.编译

这段代码使用了 compile 函数来编译之前定义的 VGG16 模型。在编译模型时，需要指定优化器、损失函数和评价指标。

解读每个参数：

4.1 优化器 (optimizer) - "adam":
- Adam 是一种常用的优化器，结合了 AdaGrad 和 RMSProp 的优点，能够自适应地调整学习率，并且对内存要求较低。
4.2 损失函数 (loss) - 'sparse_categorical_crossentropy':
- 这是用于多类别分类问题的常见损失函数。在分类问题中，标签是整数形式的类别，而不是 one-hot 编码。
4.3 评价指标 (metrics) - ['accuracy']:
- 此处选择了准确率作为评价指标，用于衡量模型在训练和验证期间的性能。

5.训练模型

这段代码实现了模型的训练和验证过程，并使用 tqdm 进行进度展示。

5.1 设置训练参数:
- epochs = 10: 设定训练的 epoch 数。
- lr = 1e-4: 设定初始学习率。
5.2 初始化损失和准确率:
- train_loss = 0、train_accuracy = 0、val_loss = 0、val_accuracy = 0：用于累积每个 epoch 的损失和准确率。
5.3 记录训练过程:
- history_train_loss, history_train_accuracy, history_val_loss, history_val_accuracy: 用于记录每个 epoch 的训练和验证过程中的损失和准确率。
5.4 训练循环:
- 进行 epochs 次循环，每次循环进行一次完整的训练和验证过程。
- 在每个 epoch 内，首先设置学习率，然后对训练数据集进行循环，进行模型训练。
- 然后对验证数据集进行循环，进行模型验证。
5.5 模型训练 (model.train_on_batch) 和验证 (model.test_on_batch):
- 使用 model.train_on_batch 进行模型训练，获取每个 batch 的损失和准确率，累积到总的损失和准确率中。
- 使用 model.test_on_batch 进行模型验证，获取每个 batch 的损失和准确率，同样累积到总的损失和准确率中。
5.6 平均损失和准确率:
- 在每个 epoch 结束后，计算平均损失和准确率。
5.7 进度展示 (tqdm):
- 使用 tqdm 显示进度条，以及打印损失、准确率、学习率等信息。

这段代码主要完成了模型的训练和验证过程，包括进度展示和结果输出。每个 epoch 中，通过遍历训练数据集和验证数据集，计算损失和准确率，并进行打印展示。

6.模型估计

设定 epochs 的范围:
- epochs_range = range(epochs): 定义了一个范围，用于 x 轴表示 epoch 数。
绘制准确率变化曲线:
- plt.subplot(1, 2, 1): 创建一个子图，1 行 2 列的布局，当前绘制第一个图。
- plt.plot(epochs_range, history_train_accuracy, label='Training Accuracy'): 绘制训练准确率随 epoch 变化的曲线。
- plt.plot(epochs_range, history_val_accuracy, label='Validation Accuracy'): 绘制验证准确率随 epoch 变化的曲线。
- plt.legend(loc='lower right'): 添加图例，位置在右下角。
- plt.title('Training and Validation Accuracy'): 设置图标题。