使用PaddlePaddle框架实现CK+表情数据集的识别

一、前期准备

1.PaddlePaddle-gpu安装

如果是在windows上安装，需要注意以下几点：
（1）win7系统上PaddlePaddle最高只支持CUDA 8.0，可点击这里前往官网下载CUDA，以及点击这里官网下载cuDNN（或者前往百度网盘下载CUDA 8.0和相应的cuDNN）。
（2）win10家庭版无法使用PaddlePaddle-gpu，虽然可以通过pip install命令正常安装PaddlePaddle，但是无法使用，下图官方文档给的说明中不包含有win10家庭版。
（3）如果是win10专业版或企业版安装CUDA，推荐安装CUDA 9.0，这里小编亲测可用，点击这里前往下载win10系统的CUDA 9.0和相应的cuDNN吧。最后关于CUDA的安装过程很简单，运行安装程序默认安装就行，然后把cuDNN中的库放到CUDA对应的安装目录下。

安装paddlepaddle-gpu时注意，需要以管理员权限运行cmd，然后执行pip install paddlepaddle-gpu下载安装即可，如果想指定安装的版本，则执行pip install paddlepaddle-gpu==x.x.x（现有的paddlepaddle-gpu versions如下: 1.3.0, 1.3.1, 1.3.2, 1.4.0, 1.4.1, 1.5.0.post87, 1.5.0.post97, 1.5.1.post87, 1.5.1.post97）。

2.CK+数据集下载

官网下载链接请点这里：http://www.consortium.ri.cmu.edu/ckagree/

不过需要提交一些信息，邮箱很重要，因为它会把下载链接、用户名和口令发送到你的邮箱。

当然，为了给看到此文的小伙伴们提供便利，我已经将CK+数据集上传至了百度网盘，点击这里前往网盘下载CK+数据集吧。

二、CK+数据集的预处理

1.数据集结构介绍

首先来看一下CK+数据集的文件，主要包含cohn-kanade-images.zip和Emotion_labels.zip这两部分，这两个大文件夹里面的子文件夹是相同的（如下图所示），其实每个子文件夹（如’S005’）是表示一个人的表情图片，因此该数据集是采集了123人的表情图片。

然后进入第一层子文件夹（比如’S014’）中，可以看到其包含有若干个子文件夹（‘001’ ~ ‘006’不等），再进入第二层子文件（比如’001’）中，可以看到里面是一个人所做的若干表情图片，这些图片连续起来其实是这个人做这个表情从平静到激动的变化过程。同样Emotion_labels文件夹中也是这样的结构，只是最里层的是存储标签值的txt文件，这里提醒下原始的标签值是1~7。

2. 表情图片以及标签的读取

源代码如下所示，首先是获取二级子目录的列表，得到这样的list： [‘S005\001’, ‘S010\001’, ‘S010\002’, …]；然后就是遍历子目录去获取表情图片和对应的标签文件；最后将表情数据和标签值绑定在一起得到这样的list： [[data1, label1], [data2, label2], …]。

 	# 获取子目录列表, like ['S005\001', 'S010\001', 'S010\002', ...]
    dir_list = []
    for root, dirs, _ in os.walk(image_dir):
        for