第T9周：猫狗识别2
- 🍨本文为🔗365天深度学习训练营中的学习记录博客
- 🍖原作者：K同学啊
一、前期工作
1.设置GPU
使用CPU因此跳过
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)2.导入数据
import numpy as np 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 = "./365-9-data" data_dir = pathlib.Path(data_dir) image_count = len(list(data_dir.glob('*/*'))) print("图片总数为：",image_count)二、数据预处理
1.加载数据
batch_size = 64 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.csdn.net/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.csdn.net/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)2.再次检查数据
for image_batch, labels_batch in train_ds: print(image_batch.shape) print(labels_batch.shape) break3.配置数据集
AUTOTUNE = tf.data.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)4.可视化数据
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")三、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()四、编译
model.compile(optimizer="adam", loss ='sparse_categorical_crossentropy', metrics =['accuracy'])五、训练模型
import numpy as np from tqdm import tqdm import tensorflow as tf from tensorflow.keras.optimizers import Adam # ==================== 1. 超参数设置 ==================== epochs = 10 lr = 1e-4 # ==================== 2. 模型编译 ==================== # 【修复点】：使用 sparse_categorical_crossentropy 处理整数型标签 (64,) model.compile( optimizer=Adam(learning_rate=lr), loss='sparse_categorical_crossentropy', metrics=['accuracy'] ) # ==================== 3. 训练记录器 ==================== history_train_loss = [] history_train_accuracy = [] history_val_loss = [] history_val_accuracy = [] # ==================== 4. 核心训练循环 ==================== for epoch in range(epochs): train_total = len(train_ds) val_total = len(val_ds) # 【修复点】：使用 assign 动态更新学习率，适配最新版 TF/Keras model.optimizer.learning_rate.assign(lr) # ------------------ 训练阶段 ------------------ with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}', mininterval=1, ncols=100) as pbar: train_loss = [] train_accuracy = [] for image, label in train_ds: history = model.train_on_batch(image, label) train_loss.append(history[0]) train_accuracy.append(history[1]) # 【修复点】：直接格式化输出当前的 lr 变量 pbar.set_postfix({ "train_loss": "%.4f" % history[0], "train_acc": "%.4f" % history[1], "lr": "%.6f" % lr }) pbar.update(1) history_train_loss.append(np.mean(train_loss)) history_train_accuracy.append(np.mean(train_accuracy)) # ------------------ 验证阶段 ------------------ print('开始验证！') with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs} (Val)', mininterval=0.3, ncols=100) as pbar: val_loss = [] val_accuracy = [] for image, label in val_ds: history = model.test_on_batch(image, label) val_loss.append(history[0]) val_accuracy.append(history[1]) pbar.set_postfix({ "val_loss": "%.4f" % history[0], "val_acc": "%.4f" % history[1] }) pbar.update(1) history_val_loss.append(np.mean(val_loss)) history_val_accuracy.append(np.mean(val_accuracy)) print('结束验证！') print("验证loss为：%.4f" % np.mean(val_loss)) print("验证准确率为：%.4f" % np.mean(val_accuracy)) print("-" * 60) # ==================== 5. 学习率衰减 ==================== # 当前 epoch 结束后衰减学习率 lr = lr * 0.92六、模型评估
from datetime import datetime current_time = datetime.now() # 获取当前时间 epochs_range = range(epochs) plt.figure(figsize=(14, 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.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效 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()七、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")八、个人总结
1.数据预处理与管道优化 (tf.data)
在构建深度学习数据管道时，合理使用 tf.data API 能大幅提升训练效率：
快捷加载：使用 image_dataset_from_directory 可以直接从本地目录按文件夹名称（标签）自动构建带有批次 (Batch) 的图像数据集。
指南：此 API 在 TensorFlow 2.3.0 及以上版本才移入正式库。低版本会报错，需升级 TF 版本。
性能优化：
cache()：将预处理后的数据集缓存到内存中，避免在每个 Epoch 重复读取磁盘，大幅加速训练。
shuffle()：打乱数据顺序，打破数据的原有排列规律，提升模型泛化能力。
prefetch()：预取数据。让模型在执行当前步训练的同时，后台自动准备下一步的数据，实现 CPU (数据准备) 和 GPU (模型计算) 的并行工作。
指南：配置 AUTOTUNE 时，若遇到属性报错，说明版本较老，需改为 tf.data.experimental.AUTOTUNE。
2.VGG-16 神经网络架构核心
VGG 是一种经典的卷积神经网络，其核心设计理念和优缺点非常鲜明：
网络结构：
总共包含 16个隐藏层：由 13个卷积层 (Conv) + 3个全连接层 (FC) 组成（池化层不计入权重层数）。包含 5个最大池化层 用于特征降维。
核心优势 (Pros)：
结构极简且统一：整个网络全部采用相同尺寸的 3x3 卷积核 和 2x2 最大池化核。通过堆叠小卷积核来替代大卷积核，既保证了感受野，又减少了参数量。
致命劣势 (Cons)：
参数量与体积巨大：全连接层占据了极其庞大的参数量，导致模型权重文件高达 500MB 以上，非常不利于在移动端或嵌入式设备上部署。
训练成本高：收敛较慢，训练时间长，调参难度相对较大。
3.模型编译 (Compile)
在模型训练前，必须配置好三大核心组件：
损失函数 (Loss)：模型优化的“指南针”，用于计算当前预测值与真实标签之间的差距。
优化器 (Optimizer)：模型的“引擎”，决定了模型如何利用计算出的误差(Loss)去更新网络中的权重（例如 Adam, SGD 等）。
评价指标 (Metrics)：用于直观监控模型表现的指标，最常用的是准确率 (Accuracy)，即分类正确的样本比例。
4.模型预测 (Predict)
在进行单张图片推理预测时，有一个非常容易被忽略的张量维度问题：
升维处理：Keras 模型在设计时默认输入的是批次 (Batch) 数据，即输入张量的形状应当是 (batch_size, height, width, channels)。
代码实现：当我们只输入一张图片 (224, 224, 3) 时，必须使用 tf.expand_dims(image, 0) 在第0个位置增加一个维度，将其形状转换为 (1, 224, 224, 3) 才能送入 model.predict()。
解析结果：模型输出的通常是各个类别的概率分布，需要结合 np.argmax(predictions) 提取出概率最大的那个索引，进而映射回真实的标签名称 (class_names)。
5.数据增强
提高准确率可以在模型构建前加入数据增强 (Data Augmentation) 层。在 TensorFlow 中，可以使用 tf.keras.layers.RandomFlip (随机翻转)、RandomRotation (随机旋转) 或 RandomZoom (随机缩放) 等操作，人为增加训练样本的多样性，这通常能有效缓解 VGG 模型的过拟合问题。