基本分类：对服装图像进行分类 |
您所在的位置：网站首页 › 仿真模型分类图片 › 基本分类：对服装图像进行分类 |
基本分类：对服装图像进行分类
 在 TensorFlow.org 上查看
 在 Google Colab 中运行
 在 GitHub 上查看源代码
 下载笔记本
本指南将训练一个神经网络模型，对运动鞋和衬衫等服装图像进行分类。即使您不理解所有细节也没关系；这只是对完整 TensorFlow 程序的快速概述，详细内容会在您实际操作的同时进行介绍。 本指南使用了 tf.keras，它是 TensorFlow 中用来构建和训练模型的高级 API。 # TensorFlow and tf.keras import tensorflow as tf # Helper libraries import numpy as np import matplotlib.pyplot as plt print(tf.__version__) 2023-11-08 00:31:58.058238: E external/local_xla/xla/stream_executor/cuda/cuda_dnn.cc:9261] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered 2023-11-08 00:31:58.058290: E external/local_xla/xla/stream_executor/cuda/cuda_fft.cc:607] Unable to register cuFFT factory: Attempting to register factory for plugin cuFFT when one has already been registered 2023-11-08 00:31:58.059927: E external/local_xla/xla/stream_executor/cuda/cuda_blas.cc:1515] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered 2.15.0-rc1 导入 Fashion MNIST 数据集本指南使用 Fashion MNIST 数据集，该数据集包含 10 个类别的 70,000 个灰度图像。这些图像以低分辨率（28x28 像素）展示了单件衣物，如下所示： 
图 1. Fashion-MNIST 样本（由 Zalando 提供，MIT 许可）。
Fashion MNIST 旨在临时替代经典 MNIST 数据集，后者常被用作计算机视觉机器学习程序的“Hello, World”。MNIST 数据集包含手写数字（0、1、2 等）的图像，其格式与您将使用的衣物图像的格式相同。 本指南使用 Fashion MNIST 来实现多样化，因为它比常规 MNIST 更具挑战性。这两个数据集都相对较小，都用于验证某个算法是否按预期工作。对于代码的测试和调试，它们都是很好的起点。 在本指南中，我们使用 60,000 张图像来训练网络，使用 10,000 张图像来评估网络学习对图像进行分类的准确程度。您可以直接从 TensorFlow 中访问 Fashion MNIST。直接从 TensorFlow 中导入和加载 Fashion MNIST 数据： fashion_mnist = tf.keras.datasets.fashion_mnist (train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()加载数据集会返回四个 NumPy 数组： train_images 和 train_labels 数组是训练集，即模型用于学习的数据。 测试集、test_images 和 test_labels 数组会被用来对模型进行测试。图像是 28x28 的 NumPy 数组，像素值介于 0 到 255 之间。标签是整数数组，介于 0 到 9 之间。这些标签对应于图像所代表的服装类： 标签 类 0 T恤/上衣 1 裤子 2 套头衫 3 连衣裙 4 外套 5 凉鞋 6 衬衫 7 运动鞋 8 包 9 短靴每个图像都会被映射到一个标签。由于数据集不包括类名称，请将它们存储在下方，供稍后绘制图像时使用： class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot'] 浏览数据在训练模型之前，我们先浏览一下数据集的格式。以下代码显示训练集中有 60,000 个图像，每个图像由 28 x 28 的像素表示： train_images.shape (60000, 28, 28)同样，训练集中有 60,000 个标签： len(train_labels) 60000每个标签都是一个 0 到 9 之间的整数： train_labels array([9, 0, 0, ..., 3, 0, 5], dtype=uint8)测试集中有 10,000 个图像。同样，每个图像都由 28x28 个像素表示： test_images.shape (10000, 28, 28)测试集包含 10,000 个图像标签： len(test_labels) 10000 预处理数据在训练网络之前，必须对数据进行预处理。如果您检查训练集中的第一个图像，您会看到像素值处于 0 到 255 之间： plt.figure() plt.imshow(train_images[0]) plt.colorbar() plt.grid(False) plt.show()
将这些值缩小至 0 到 1 之间，然后将其馈送到神经网络模型。为此，请将这些值除以 255。请务必以相同的方式对训练集和测试集进行预处理： train_images = train_images / 255.0 test_images = test_images / 255.0为了验证数据的格式是否正确，以及您是否已准备好构建和训练网络，让我们显示训练集中的前 25 个图像，并在每个图像下方显示类名称。 plt.figure(figsize=(10,10)) for i in range(25): plt.subplot(5,5,i+1) plt.xticks([]) plt.yticks([]) plt.grid(False) plt.imshow(train_images[i], cmap=plt.cm.binary) plt.xlabel(class_names[train_labels[i]]) plt.show()
构建神经网络需要先配置模型的层，然后再编译模型。 设置层神经网络的基本组成部分是层。层会从向其馈送的数据中提取表示形式。希望这些表示形式有助于解决手头上的问题。 大多数深度学习都包括将简单的层链接在一起。大多数层（如 tf.keras.layers.Dense）都具有在训练期间才会学习的参数。 model = tf.keras.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(10) ])该网络的第一层 tf.keras.layers.Flatten 将图像格式从二维数组（28 x 28 像素）转换成一维数组（28 x 28 = 784 像素）。将该层视为图像中未堆叠的像素行并将其排列起来。该层没有要学习的参数，它只会重新格式化数据。 展平像素后，网络会包括两个 tf.keras.layers.Dense 层的序列。它们是密集连接或全连接神经层。第一个 Dense 层有 128 个节点（或神经元）。第二个（也是最后一个）层会返回一个长度为 10 的 logits 数组。每个节点都包含一个得分，用来表示当前图像属于 10 个类中的哪一类。 编译模型在准备对模型进行训练之前，还需要再对其进行一些设置。以下内容是在模型的编译步骤中添加的： 损失函数 - 测量模型在训练期间的准确程度。你希望最小化此函数，以便将模型“引导”到正确的方向上。 优化器 - 决定模型如何根据其看到的数据和自身的损失函数进行更新。 指标 - 用于监控训练和测试步骤。以下示例使用了准确率，即被正确分类的图像的比率。 model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) 训练模型训练神经网络模型需要执行以下步骤： 将训练数据馈送给模型。在本例中，训练数据位于 train_images 和 train_labels 数组中。 模型学习将图像和标签关联起来。 要求模型对测试集（在本例中为 test_images 数组）进行预测。 验证预测是否与 test_labels 数组中的标签相匹配。 向模型馈送数据要开始训练，请调用 model.fit 方法，这样命名是因为该方法会将模型与训练数据进行“拟合”： model.fit(train_images, train_labels, epochs=10) Epoch 1/10 WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:00:1699403526.188243 897592 device_compiler.h:186] Compiled cluster using XLA! This line is logged at most once for the lifetime of the process. 1875/1875 [==============================] - 5s 2ms/step - loss: 0.4970 - accuracy: 0.8251 Epoch 2/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.3780 - accuracy: 0.8631 Epoch 3/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.3374 - accuracy: 0.8776 Epoch 4/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.3147 - accuracy: 0.8857 Epoch 5/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2957 - accuracy: 0.8910 Epoch 6/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2805 - accuracy: 0.8965 Epoch 7/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2703 - accuracy: 0.9007 Epoch 8/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2594 - accuracy: 0.9030 Epoch 9/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2507 - accuracy: 0.9059 Epoch 10/10 1875/1875 [==============================] - 4s 2ms/step - loss: 0.2418 - accuracy: 0.9104在模型训练期间，会显示损失和准确率指标。此模型在训练数据上的准确率达到了 0.91（或 91%）左右。 评估准确率接下来，比较模型在测试数据集上的表现： test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2) print('\nTest accuracy:', test_acc) 313/313 - 1s - loss: 0.3330 - accuracy: 0.8824 - 654ms/epoch - 2ms/step Test accuracy: 0.8823999762535095结果表明，模型在测试数据集上的准确率略低于训练数据集。训练准确率和测试准确率之间的差距代表过拟合。过拟合是指机器学习模型在新的、以前未曾见过的输入上的表现不如在训练数据上的表现。过拟合的模型会“记住”训练数据集中的噪声和细节，从而对模型在新数据上的表现产生负面影响。有关更多信息，请参阅以下内容： 演示过拟合 防止过拟合的策略 进行预测模型经过训练后，您可以使用它对一些图像进行预测。附加一个 Softmax 层，将模型的线性输出 logits 转换成更容易理解的概率。 probability_model = tf.keras.Sequential([model, tf.keras.layers.Softmax()]) predictions = probability_model.predict(test_images) 313/313 [==============================] - 1s 1ms/step在上例中，模型预测了测试集中每个图像的标签。我们来看看第一个预测结果： predictions[0] array([1.46038394e-06, 1.75599275e-11, 1.09122176e-07, 5.28692201e-10, 5.17602139e-09, 1.99839560e-04, 7.88855459e-07, 1.64548866e-03, 5.95367396e-07, 9.98151720e-01], dtype=float32)预测结果是一个包含 10 个数字的数组。它们代表模型对 10 种不同服装中每种服装的“置信度”。您可以看到哪个标签的置信度值最大： np.argmax(predictions[0]) 9因此，该模型非常确信这个图像是短靴，或 class_names[9]。通过检查测试标签发现这个分类是正确的： test_labels[0] 9您可以将其绘制成图表，看看模型对于全部 10 个类的预测。 def plot_image(i, predictions_array, true_label, img): true_label, img = true_label[i], img[i] plt.grid(False) plt.xticks([]) plt.yticks([]) plt.imshow(img, cmap=plt.cm.binary) predicted_label = np.argmax(predictions_array) if predicted_label == true_label: color = 'blue' else: color = 'red' plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label], 100*np.max(predictions_array), class_names[true_label]), color=color) def plot_value_array(i, predictions_array, true_label): true_label = true_label[i] plt.grid(False) plt.xticks(range(10)) plt.yticks([]) thisplot = plt.bar(range(10), predictions_array, color="#777777") plt.ylim([0, 1]) predicted_label = np.argmax(predictions_array) thisplot[predicted_label].set_color('red') thisplot[true_label].set_color('blue') 验证预测结果在模型经过训练后，您可以使用它对一些图像进行预测。 我们来看看第 0 个图像、预测结果和预测数组。正确的预测标签为蓝色，错误的预测标签为红色。数字表示预测标签的百分比（总计为 100）。 i = 0 plt.figure(figsize=(6,3)) plt.subplot(1,2,1) plot_image(i, predictions[i], test_labels, test_images) plt.subplot(1,2,2) plot_value_array(i, predictions[i], test_labels) plt.show()
让我们用模型的预测绘制几张图像。请注意，即使置信度很高，模型也可能出错。 # Plot the first X test images, their predicted labels, and the true labels. # Color correct predictions in blue and incorrect predictions in red. num_rows = 5 num_cols = 3 num_images = num_rows*num_cols plt.figure(figsize=(2*2*num_cols, 2*num_rows)) for i in range(num_images): plt.subplot(num_rows, 2*num_cols, 2*i+1) plot_image(i, predictions[i], test_labels, test_images) plt.subplot(num_rows, 2*num_cols, 2*i+2) plot_value_array(i, predictions[i], test_labels) plt.tight_layout() plt.show()
最后，使用训练好的模型对单个图像进行预测。 # Grab an image from the test dataset. img = test_images[1] print(img.shape) (28, 28)tf.keras 模型经过了优化，可同时对一个批或一组样本进行预测。因此，即便您只使用一个图像，您也需要将其添加到列表中： # Add the image to a batch where it's the only member. img = (np.expand_dims(img,0)) print(img.shape) (1, 28, 28)现在预测这个图像的正确标签： predictions_single = probability_model.predict(img) print(predictions_single) 1/1 [==============================] - 0s 48ms/step [[1.8946848e-05 8.3171351e-16 9.9309057e-01 8.6931016e-13 5.6834291e-03 8.8734559e-13 1.2070854e-03 1.5665156e-16 1.2896362e-11 6.2792527e-16]] plot_value_array(1, predictions_single[0], test_labels) _ = plt.xticks(range(10), class_names, rotation=45) plt.show()
keras.Model.predict 会返回一组列表，每个列表对应一批数据中的每个图像。在批次中获取对我们（唯一）图像的预测： np.argmax(predictions_single[0]) 2该模型会按照预期预测标签。 # MIT License # # Copyright (c) 2017 François Chollet # # Permission is hereby granted, free of charge, to any person obtaining a # copy of this software and associated documentation files (the "Software"), # to deal in the Software without restriction, including without limitation # the rights to use, copy, modify, merge, publish, distribute, sublicense, # and/or sell copies of the Software, and to permit persons to whom the # Software is furnished to do so, subject to the following conditions: # # The above copyright notice and this permission notice shall be included in # all copies or substantial portions of the Software. # # THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR # IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, # FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL # THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER # LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING # FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER # DEALINGS IN THE SOFTWARE. |
【本文地址】