Trained image classification models for Keras

前言：

最近想跑一些主流的网络感受感受。从github上找到了 deep-learning-models 提供的几个模型，包括：inception-v2, inception-v3, resnet50, vgg16, vgg19 等等。这些代码都是基于 keras 框架，正好我最近有在学 tensorflow 和 keras，所以很想跑跑这些代码。

心动不如行动，万事俱备，只欠把代码跑起来。此时，出现了一些常见的问题，也正好借此机会整理下来。问题如下：

1）_obtain_input_shape() got an unexpected keyword argument 'include_top'

2）Exception: URL fetch failure on https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5: None -- [Errno 110] Connection timed out

本文主要分析和整理了第一个问题的解决方案。

第二个问题就是：在下载模型参数文件的过程中，可能url对应的地址被墙了，导致下载不了。解决办法就是另想办法把 resnet50_weights_tf_dim_ordering_tf_kernels.h5 这个文件下载下来。如果有需要的话，可在本文留言。

Reference：

1）github 源码：https://github.com/fchollet/deep-learning-models

2）模型参数资源：https://github.com/fchollet/deep-learning-models/releases

3）相关博客：http://blog.youkuaiyun.com/sinat_26917383/article/details/72982230

4）本文使用的测试数据如下所示：

elephant.jpg

本文使用的 tensorflow 和 keras 的版本：

- tensorflow：

[python] view plain copy

1. >>> import tensorflow as tf  
2. >>> tf.__version__  
3. '1.1.0'  

- keras：

[python] view plain copy

1. import keras  
2. >>> print keras.__version__  
3. 2.0.9  

本文实践步骤如下，以 "resnet50.py" 为例：

1）下载 github 源码，源码中使用一张名为“elephant.jpg”的图像作为测试。

2）下载测试数据集，上文有提供链接。

3）在源码的目录下执行如下命令：

[python] view plain copy

1. python resnet50.py  

程序报错，如下所示：

[python] view plain copy

1. Traceback (most recent call last):  
2.   File "resnet50.py", line 289, in <module>  
3.     model = ResNet50(include_top=True, weights='imagenet')  
4.   File "resnet50.py", line 193, in ResNet50  
5.     include_top=include_top)  
6. TypeError: _obtain_input_shape() got an unexpected keyword argument 'include_top'  

导致程序报错的原因分析：

1）keras.__version__ == 2.0.9 中，函数 _obtain_input_shape() 的形式：

[python] view plain copy

1. def _obtain_input_shape(input_shape,  
2.                         default_size,  
3.                         min_size,  
4.                         data_format,  
5.                         require_flatten,  
6.                         weights=None):  

2）deep-learning-models 案例中，调用 _obtain_input_shape() 函数的方式如下：

[python] view plain copy

1. # Determine proper input shape  
2. input_shape = _obtain_input_shape(input_shape,  
3.                                   default_size=299,  
4.                                   min_size=71,  
5.                                   data_format=K.image_data_format(),  
6.                                   include_top=include_top)  

显然，本文使用的环境中，函数 _obtain_input_shape() 的形参中，没有关键字 include_top 而是 require_flatten。而案例中的代码使用的是关键字 include_top，这显然是不可取的。综上，只要把案例中的 inlcude_top 关键字换成 require_flatten 即可。如下所示：

[python] view plain copy

1. # Determine proper input shape  
2. input_shape = _obtain_input_shape(input_shape,  
3.                                   default_size=224,  
4.                                   min_size=197,  
5.                                   data_format=K.image_data_format(),  
6.                                   require_flatten=include_top)  

再次执行命令，就可以成功运行案例代码，如下图所示：

本文的第二个问题：无法正常下载模型参数

模型参数“resnet50_weights_tf_dim_ordering_tf_kernels.h5”下载地址如下：

链接：http://pan.baidu.com/s/1dE1Lh5J 密码：puke

需修改的代码如下：

[python] view plain copy

1. # WEIGHTS_PATH = 'https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5'  

[python] view plain copy

1. # load weights  
2. if weights == 'imagenet':  
3.     # if include_top:  
4.     #     weights_path = get_file('resnet50_weights_tf_dim_ordering_tf_kernels.h5',  
5.     #                             WEIGHTS_PATH,  
6.     #                             cache_subdir='models',  
7.     #                             md5_hash='a7b3fe01876f51b976af0dea6bc144eb')  
8.     # else:  
9.     #     weights_path = get_file('resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5',  
10.     #                             WEIGHTS_PATH_NO_TOP,  
11.     #                             cache_subdir='models',  
12.     #                             md5_hash='a268eb855778b3df3c7506639542a6af')  
13.     weights_path = './resnet50_weights_tf_dim_ordering_tf_kernels.h5'  
14.     model.load_weights(weights_path)  

运行结果如下所示：

[python] view plain copy

1. Predicted: [[(u'n01871265', u'tusker', 0.65325415), (u'n02504458', u'African_elephant', 0.29492217), (u'n02504013', u'Indian_elephant', 0.048155606), (u'n02422106', u'hartebeest', 0.001847562), (u'n02397096', u'warthog', 0.00034257883)]]  

由结果可知：p(tusker) = 0.65, p(African_elephant) = 0.29, p(Indian_elephant) = 0.048 ... ... 其中 tusker 的概率是最高的，所以识别结果为 tusker（有长牙的动物，如：象，野猪等）

原文：点击打开链接