Tensorflow訓練識別自定義圖片

很多正在入門或剛入門TensorFlow機器學習的同學希望能夠通過自己指定圖片源對模型進行訓練，然后識別和分類自己指定的圖片。但是，在TensorFlow官方入門教程中，並無明確給出如何把自定義數據輸入訓練模型的方法。現在，我們就參考官方入門課程《Deep MNIST for Experts》一節的內容(傳送門：https://www.tensorflow.org/get_started/mnist/pros)，介紹如何將自定義圖片輸入到TensorFlow的訓練模型。

在《Deep MNISTfor Experts》一節的代碼中，程序將TensorFlow自帶的mnist圖片數據集mnist.train.images作為訓練輸入，將mnist.test.images作為驗證輸入。當學習了該節內容后，我們會驚嘆卷積神經網絡的超高識別率，但對於剛開始學習TensorFlow的同學，內心可能會產生一個問號：如何將mnist數據集替換為自己指定的圖片源？譬如，我要將圖片源改為自己C盤里面的圖片，應該怎么調整代碼？

我們先看下該節課程中涉及到mnist圖片調用的代碼：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
batch = mnist.train.next_batch(50)
train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print('test accuracy %g' % accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

要實現輸入自定義圖片，需要自己先准備好一套圖片集。為節省時間，我們把mnist的手寫體數字集一張一張地解析出來，存放到自己的本地硬盤，保存為bmp格式，然后再把本地硬盤的手寫體圖片一張一張地讀取出來，組成集合，再輸入神經網絡。mnist手寫體數字集的提取方式詳見《如何從TensorFlow的mnist數據集導出手寫體數字圖片》。

將mnist手寫體數字集導出圖片到本地后，就可以仿照以下python代碼，實現自定義圖片的訓練：

import os

import numpy as np
import tensorflow as tf

from PIL import Image

# 第一次遍歷圖片目錄是為了獲取圖片總數
input_count = 0
for i in range(0, 10):
    dir = './mnist_digits_images/%s/' % i  # 這里可以改成你自己的圖片目錄，i為分類標簽
    for rt, dirs, files in os.walk(dir):
        for filename in files:
            input_count += 1

# 定義對應維數和各維長度的數組
input_images = np.array([[0] * 784 for i in range(input_count)])
input_labels = np.array([[0] * 10 for i in range(input_count)])

# 第二次遍歷圖片目錄是為了生成圖片數據和標簽
index = 0
for i in range(0, 10):
    dir = './mnist_digits_images/%s/' % i  # 這里可以改成你自己的圖片目錄，i為分類標簽
    for rt, dirs, files in os.walk(dir):
        for filename in files:
            filename = dir + filename
            img = Image.open(filename)
            width = img.size[0]
            height = img.size[1]
            for h in range(0, height):
                for w in range(0, width):
                    # 通過這樣的處理，使數字的線條變細，有利於提高識別准確率
                    if img.getpixel((w, h)) > 230:
                        input_images[index][w + h * width] = 0  # 之前已經將圖片轉換成了一維
                    else:
                        input_images[index][w + h * width] = 1
            input_labels[index][i] = 1
            index += 1

# 定義輸入節點，對應於圖片像素值矩陣集合和圖片標簽(即所代表的數字)
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

x_image = tf.reshape(x, [-1, 28, 28, 1])

# 定義第一個卷積層的variables和ops
W_conv1 = tf.Variable(tf.truncated_normal([7, 7, 1, 32], stddev=0.1))
b_conv1 = tf.Variable(tf.constant(0.1, shape=[32]))

L1_conv = tf.nn.conv2d(x_image, W_conv1, strides=[1, 1, 1, 1], padding='SAME')
L1_relu = tf.nn.relu(L1_conv + b_conv1)
L1_pool = tf.nn.max_pool(L1_relu, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# 定義第二個卷積層的variables和ops
W_conv2 = tf.Variable(tf.truncated_normal([3, 3, 32, 64], stddev=0.1))
b_conv2 = tf.Variable(tf.constant(0.1, shape=[64]))

L2_conv = tf.nn.conv2d(L1_pool, W_conv2, strides=[1, 1, 1, 1], padding='SAME')
L2_relu = tf.nn.relu(L2_conv + b_conv2)
L2_pool = tf.nn.max_pool(L2_relu, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# 全連接層
W_fc1 = tf.Variable(tf.truncated_normal([7 * 7 * 64, 1024], stddev=0.1))
b_fc1 = tf.Variable(tf.constant(0.1, shape=[1024]))

h_pool2_flat = tf.reshape(L2_pool, [-1, 7 * 7 * 64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

# dropout
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

# readout層
W_fc2 = tf.Variable(tf.truncated_normal([1024, 10], stddev=0.1))
b_fc2 = tf.Variable(tf.constant(0.1, shape=[10]))

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

# 定義優化器和訓練op
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))
train_step = tf.train.AdamOptimizer((1e-4)).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    print("一共讀取了 %s 個輸入圖像， %s 個標簽" % (input_count, input_count))

    # 設置每次訓練op的輸入個數和迭代次數，這里為了支持任意圖片總數，定義了一個余數remainder，譬如，如果每次訓練op的輸入個數為60，圖片總數為150張，則前面兩次各輸入60張，最后一次輸入30張（余數30）
    batch_size = 60
    iterations = 100
    batches_count = int(input_count / batch_size)
    remainder = input_count % batch_size
    print("數據集分成 %s 批, 前面每批 %s 個數據，最后一批 %s 個數據" % (batches_count + 1, batch_size, remainder))

    # 執行訓練迭代
    for it in range(iterations):
        # 這里的關鍵是要把輸入數組轉為np.array
        for n in range(batches_count):
            train_step.run(feed_dict={x: input_images[n * batch_size:(n + 1) * batch_size],
                                      y_: input_labels[n * batch_size:(n + 1) * batch_size], keep_prob: 0.5})
        if remainder > 0:
            start_index = batches_count * batch_size;
            train_step.run(
                feed_dict={x: input_images[start_index:input_count - 1], y_: input_labels[start_index:input_count - 1],
                           keep_prob: 0.5})

        # 每完成五次迭代，判斷准確度是否已達到100%，達到則退出迭代循環
        iterate_accuracy = 0
        if it % 5 == 0:
            iterate_accuracy = accuracy.eval(feed_dict={x: input_images, y_: input_labels, keep_prob: 1.0})
            print('iteration %d: accuracy %s' % (it, iterate_accuracy))
            if iterate_accuracy >= 1:
                break;

    print('完成訓練!')

 上述python代碼的執行結果截圖如下：

 

對於上述代碼中與模型構建相關的代碼，請查閱官方《Deep MNIST for Experts》一節的內容進行理解。在本文中，需要重點掌握的是如何將本地圖片源整合成為feed_dict可接受的格式。其中最關鍵的是這兩行：

# 定義對應維數和各維長度的數組
input_images = np.array([[0]*784 for i in range(input_count)])
input_labels = np.array([[0]*10 for i in range(input_count)])

它們對應於feed_dict的兩個placeholder：

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

 

轉自https://www.jb51.net/article/166937.htm