【机器学习】使用CNN神经网络实现对图片分类识别及模型转换

仅做记录，后面慢慢整理

训练函数：

from skimage import io, transform  # skimage模块下的io transform(图像的形变与缩放)模块
import glob  # glob 文件通配符模块
import os  # os 处理文件和目录的模块
import tensorflow as tf
import numpy as np  # 多维数据处理模块
import time

# 数据集地址

path = 'E:/tensor_data/powerpoint/test_database/'
# 模型保存地址
model_path = 'E:/tensor_data/powerpoint/model/fc_model.ckpt'

# 将所有的图片resize成100*100
w = 100
h = 100
c = 3

print("开始执行读取图片和数据处理")

# 读取图片+数据处理
def read_img(path):
    # os.listdir(path) 返回path指定的文件夹包含的文件或文件夹的名字的列表
    # os.path.isdir(path)判断path是否是目录
    # b = [x+x for x in list1 if x+x<15 ]  列表生成式,循环list1，当if为真时，将x+x加入列表b
    print(os.listdir(path))
    '''for x in os.listdir(path):
        if os.path.isdir(path+x):
           print(x)'''

    cate = [path + x for x in os.listdir(path) if os.path.isdir(path + x)]
    print("数据集地址："+path)
    imgs = []
    labels = []
    for idx, folder in enumerate(cate):
        # glob.glob(s+'*.py') 从目录通配符搜索中生成文件列表
        for im in glob.glob(folder + '/*.jpg'):
            # 输出读取的图片的名称
            print('reading the images:%s' % (im))
            # io.imread(im)读取单张RGB图片 skimage.io.imread(fname,as_grey=True)读取单张灰度图片
            # 读取的图片
            img = io.imread(im)
            # skimage.transform.resize(image, output_shape)改变图片的尺寸
            img = transform.resize(img, (w, h))
            # 将读取的图片数据加载到imgs[]列表中
            imgs.append(img)
            # 将图片的label加载到labels[]中，与上方的imgs索引对应
            labels.append(idx)
    # 将读取的图片和labels信息，转化为numpy结构的ndarr(N维数组对象（矩阵）)数据信息
    return np.asarray(imgs, np.float32), np.asarray(labels, np.int32)

# 调用读取图片的函数，得到图片和labels的数据集
data, label = read_img(path)

# 打乱顺序
# 读取data矩阵的第一维数（图片的个数）
num_example = data.shape[0]
# 产生一个num_example范围，步长为1的序列
arr = np.arange(num_example)
# 调用函数，打乱顺序
np.random.shuffle(arr)
# 按照打乱的顺序，重新排序
data = data[arr]
label = label[arr]

# 将所有数据分为训练集和验证集
ratio = 0.8
s = np.int(num_example * ratio)
x_train = data[:s]
y_train = label[:s]
x_val = data[s:]
y_val = label[s:]

# -----------------构建网络----------------------
# 本程序cnn网络模型，共有7层，前三层为卷积层，后三层为全连接层，前三层中，每层包含卷积、激活、池化层
# 占位符设置输入参数的大小和格式
x = tf.placeholder(tf.float32, shape=[None, w, h, c], name='x')
y_ = tf.placeholder(tf.int32, shape=[None, ], name='y_')

def inference(input_tensor, train, regularizer):
    # -----------------------第一层----------------------------
    with tf.variable_scope('layer1-conv1'):
        # 初始化权重conv1_weights为可保存变量，大小为5x5,3个通道（RGB），数量为32个
        conv1_weights = tf.get_variable("weight", [5, 5, 3, 32],
                                        initializer=tf.truncated_normal_initializer(stddev=0.1))
        # 初始化偏置conv1_biases，数量为32个
        conv1_biases = tf.get_variable("bias", [32], initializer=tf.constant_initializer(0.0))
        # 卷积计算，tf.nn.conv2d为tensorflow自带2维卷积函数，input_tensor为输入数据，
        # conv1_weights为权重，strides=[1, 1, 1, 1]表示左右上下滑动步长为1，padding='SAME'表示输入和输出大小一样，即补0
        conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 1, 1, 1], padding='SAME')
        # 激励计算，调用tensorflow的relu函数
        relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))

    with tf.name_scope("layer2-pool1"):
        # 池化计算，调用tensorflow的max_pool函数，strides=[1,2,2,1]，表示池化边界，2个对一个生成，padding="VALID"表示不操作。
        pool1 = tf.nn.max_pool(relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="VALID")
    # -----------------------第二层----------------------------
    with tf.variable_scope("layer3-conv2"):
        # 同上，不过参数的有变化，根据卷积计算和通道数量的变化，设置对应的参数
        conv2_weights = tf.get_variable("weight", [5, 5, 32, 64],
                                        initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv2_biases = tf.get_variable("bias", [64], initializer=tf.constant_initializer(0.0))
        conv2 = tf.nn.conv2d(pool1, conv2_weights, strides=[1, 1, 1, 1], padding='SAME')
        relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))

    with tf.name_scope("layer4-pool2"):
        pool2 = tf.nn.max_pool(relu2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
    # -----------------------第三层----------------------------
    # 同上，不过参数的有变化，根据卷积计算和通道数量的变化，设置对应的参数
    with tf.variable_scope("layer5-conv3"):
        conv3_weights = tf.get_variable("weight", [3, 3, 64, 128],
                                        initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv3_biases = tf.get_variable("bias", [128], initializer=tf.constant_initializer(0.0))
        conv3 = tf.nn.conv2d(pool2, conv3_weights, strides=[1, 1, 1, 1], padding='SAME')
        relu3 = tf.nn.relu(tf.nn.bias_add(conv3, conv3_biases))

    with tf.name_scope("layer6-pool3"):
        pool3 = tf.nn.max_pool(relu3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
    # -----------------------第四层----------------------------
    # 同上，不过参数的有变化，根据卷积计算和通道数量的变化，设置对应的参数
    with tf.variable_scope("layer7-conv4"):
        conv4_weights = tf.get_variable("weight", [3, 3, 128, 128],
                                        initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv4_biases = tf.get_variable("bias", [128], initializer=tf.constant_initializer(0.0))
        conv4 = tf.nn.conv2d(pool3, conv4_weights, strides=[1, 1, 1, 1], padding='SAME')
        relu4 = tf.nn.relu(tf.nn.bias_add(conv4, conv4_biases))

    with tf.name_scope("layer8-pool4"):
        pool4 = tf.nn.max_pool(relu4, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
        nodes = 6 * 6 * 128
        reshaped = tf.reshape(pool4, [-1, nodes])
        # 使用变形函数转化结构
    # -----------------------第五层---------------------------
    with tf.variable_scope('layer9-fc1'):
        # 初始化全连接层的参数，隐含节点为1024个
        fc1_weights = tf.get_variable("weight", [nodes, 1024],
                                      initializer=tf.truncated_normal_initializer(stddev=0.1))
        if regularizer != None: tf.add_to_collection('losses', regularizer(fc1_weights))  # 正则化矩阵
        fc1_biases = tf.get_variable("bias", [1024], initializer=tf.constant_initializer(0.1))
        # 使用relu函数作为激活函数
        fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weights) + fc1_biases)
        # 采用dropout层，减少过拟合和欠拟合的程度，保存模型最好的预测效率
        if train: fc1 = tf.nn.dropout(fc1, 0.5)
    # -----------------------第六层----------------------------
    with tf.variable_scope('layer10-fc2'):
        # 同上，不过参数的有变化，根据卷积计算和通道数量的变化，设置对应的参数
        fc2_weights = tf.get_variable("weight", [1024, 512],
                                      initializer=tf.truncated_normal_initializer(stddev=0.1))
        if regularizer != None: tf.add_to_collection('losses', regularizer(fc2_weights))
        fc2_biases = tf.get_variable("bias", [512], initializer=tf.constant_initializer(0.1))

        fc2 = tf.nn.relu(tf.matmul(fc1, fc2_weights) + fc2_biases)
        if train: fc2 = tf.nn.dropout(fc2, 0.5)
    # -----------------------第七层----------------------------
    with tf.variable_scope('layer11-fc3'):
        # 同上，不过参数的有变化，根据卷积计算和通道数量的变化，设置对应的参数
        fc3_weights = tf.get_variable("weight", [512, 5],
                                      initializer=tf.truncated_normal_initializer(stddev=0.1))
        if regularizer != None: tf.add_to_collection('losses', regularizer(fc3_weights))
        fc3_biases = tf.get_variable("bias", [5], initializer=tf.constant_initializer(0.1))
        logit = tf.add(tf.matmul(fc2, fc3_weights), fc3_biases, name="output")  # matmul矩阵相乘

    # 返回最后的计算结果
    return logit

# ---------------------------网络结束---------------------------
# 设置正则化参数为0.0001
regularizer = tf.contrib.layers.l2_regularizer(0.0001)
# 将上述构建网络结构引入
logits = inference(x, False, regularizer)

# (小处理)将logits乘以1赋值给logits_eval，定义name，方便在后续调用模型时通过tensor名字调用输出tensor
b = tf.constant(value=1, dtype=tf.float32)
logits_eval = tf.multiply(logits, b, name='logits_eval')  # b为1

# 设置损失函数，作为模型训练优化的参考标准，loss越小，模型越优
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y_)
# 设置整体学习率为α为0.001
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)
# 设置预测精度
correct_prediction = tf.equal(tf.cast(tf.argmax(logits, 1), tf.int32), y_)
acc = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

# 定义一个函数，按批次取数据
def minibatches(inputs=None, targets=None, batch_size=None, shuffle=False):
    assert len(inputs) == len(targets)
    if shuffle:
        indices = np.arange(len(inputs))
        np.random.shuffle(indices)
    for start_idx in range(0, len(inputs) - batch_size + 1, batch_size):
        if shuffle:
            excerpt = indices[start_idx:start_idx + batch_size]
        else:
            excerpt = slice(start_idx, start_idx + batch_size)
        yield inputs[excerpt], targets[excerpt]

# 训练和测试数据，可将n_epoch设置更大一些

# 迭代次数
n_epoch = 20#
# 每次迭代输入的图片数据
batch_size = 64
saver = tf.train.Saver(max_to_keep=4)  # 可以指定保存的模型个数，利用max_to_keep=4，则最终会保存4个模型（
with tf.Session() as sess:
    # 初始化全局参数
    sess.run(tf.global_variables_initializer())
    # 开始迭代训练，调用的都是前面设置好的函数或变量
    for epoch in range(n_epoch):
        start_time = time.time()

        # training#训练集
        train_loss, train_acc, n_batch = 0, 0, 0
        for x_train_a, y_train_a in minibatches(x_train, y_train, batch_size, shuffle=True):
            _, err, ac = sess.run([train_op, loss, acc], feed_dict={x: x_train_a, y_: y_train_a})
            train_loss += err;
            train_acc += ac;
            n_batch += 1
            print("   train loss: %f" % (np.sum(train_loss) / n_batch))
            print("   train acc: %f" % (np.sum(train_acc) / n_batch))

        # validation#验证集
        val_loss, val_acc, n_batch = 0, 0, 0
        for x_val_a, y_val_a in minibatches(x_val, y_val, batch_size, shuffle=False):
            err, ac = sess.run([loss, acc], feed_dict={x: x_val_a, y_: y_val_a})
            val_loss += err;
            val_acc += ac;
            n_batch += 1
            print("   validation loss: %f" % (np.sum(val_loss) / n_batch))
            print("   validation acc: %f" % (np.sum(val_acc) / n_batch))
        # 保存模型及模型参数
        if epoch % 2 == 0:
            saver.save(sess, model_path, global_step=epoch)
            print(sess.graph.name_scope)

测试代码：

from skimage import io, transform
import tensorflow as tf
import numpy as np
import os  # os 处理文件和目录的模块
import glob  # glob 文件通配符模块

# 此程序作用于进行简单的预测，取5个图片来进行预测，如果有多数据预测，按照cnn.py中，读取数据的方式即可

path = 'E:/tensor_data/powerpoint/test_powerpoint/'
# 类别代表字典
flower_dict = {0: '其他', 1: '文档', 2: '幻灯片', 3: '黑板', 4: '不可能出现的类别'}

w = 100
h = 100
c = 3

# 读取图片+数据处理
def read_img(path):
    # os.listdir(path) 返回path指定的文件夹包含的文件或文件夹的名字的列表
    # os.path.isdir(path)判断path是否是目录
    # b = [x+x for x in list1 if x+x<15 ]  列表生成式,循环list1，当if为真时，将x+x加入列表b
    cate = [path + x for x in os.listdir(path) if os.path.isdir(path + x)]
    imgs = []
    for idx, folder in enumerate(cate):
        # glob.glob(s+'*.py') 从目录通配符搜索中生成文件列表
        for im in glob.glob(folder + '/*.jpg'):
            # 输出读取的图片的名称
            print('reading the images:%s' % (im))
            # io.imread(im)读取单张RGB图片 skimage.io.imread(fname,as_grey=True)读取单张灰度图片
            # 读取的图片
            img = io.imread(im)
            # skimage.transform.resize(image, output_shape)改变图片的尺寸
            img = transform.resize(img, (w, h))
            # 将读取的图片数据加载到imgs[]列表中
            imgs.append(img)
            # 将图片的label加载到labels[]中，与上方的imgs索引对应
        # labels.append(idx)
    # 将读取的图片和labels信息，转化为numpy结构的ndarr(N维数组对象（矩阵）)数据信息
    return np.asarray(imgs, np.float32)

# 调用读取图片的函数，得到图片和labels的数据集
data = read_img(path)
with tf.Session() as sess:
    saver = tf.train.import_meta_graph('E:/tensor_data/powerpoint/model/fc_model.ckpt-18.meta')
    saver.restore(sess, tf.train.latest_checkpoint('E:/tensor_data/powerpoint/model/'))
    # sess：表示当前会话，之前保存的结果将被加载入这个会话
    # 设置每次预测的个数
    graph = tf.get_default_graph()
    x = graph.get_tensor_by_name("x:0")
    feed_dict = {x: data}

    logits = graph.get_tensor_by_name("logits_eval:0")  # eval功能等同于sess(run)

    classification_result = sess.run(logits, feed_dict)

    # 打印出预测矩阵
    print(classification_result)
    # 打印出预测矩阵每一行最大值的索引
    print(tf.argmax(classification_result, 1).eval())
    # 根据索引通过字典对应的分类
    output = []
    output = tf.argmax(classification_result, 1).eval()
    for i in range(len(output)):
        print("第", i + 1, "张图片预测:" + flower_dict[output[i]])

这里生成的模型是ckpt,参考代码CNN中是没有指定输入输出结点名称的，这里直接在源码第11层修改即可。

使用Netron可以快速查看模型结构，找到输入输出结点名称。

也可以使用代码打印全部结点名称：

import os
import tensorflow as tf
checkpoint_path=os.path.join('E:/tensor_data/powerpoint/model/fc_model.ckpt-18')
reader=pywrap_tensorflow.NewCheckpointReader(checkpoint_path)
var_to_shape_map=reader.get_variable_to_shape_map()
for key in var_to_shape_map:
    print ('tensor_name: ',key)

拿到输出结点名称后，就可以使用脚本对ckpt模型转换了，转成pb格式

第一个参数是 ckpt模型地址，第二个是pb模型输出地址，第三个是输出结点

import tensorflow as tf

def read_graph_from_ckpt(ckpt_path, out_pb_path, output_name):
    # 从meta文件加载网络结构
    saver = tf.train.import_meta_graph(ckpt_path + '.meta', clear_devices=True)
    graph = tf.get_default_graph()
    with tf.Session(graph=graph) as sess:
        sess.run(tf.global_variables_initializer())
        # 从ckpt加载参数
        saver.restore(sess, ckpt_path)
        output_tf = graph.get_tensor_by_name(output_name)

        # 固化
        pb_graph = tf.graph_util.convert_variables_to_constants(sess, graph.as_graph_def(), [output_tf.op.name])

        # 保存
        with tf.gfile.FastGFile(out_pb_path, mode='wb') as f:
            f.write(pb_graph.SerializeToString())

read_graph_from_ckpt('E:/tensor_data/powerpoint/model/fc_model.ckpt-18', 'E:/tensor_data/powerpoint/model/idcard_seg.pb', 'layer11-fc3/output:0')

拿到pb模型后，再使用Netron查看就清晰了很多~~~~

由于我训练模型是为了手机使用的，因此还需要将pb模型转成tflite格式

查看官方文档发现已经提供了转换的py接口，直接使用就好啦~

input是输入结点，output是输出结点，使用Netron看一下就好了

生成的tflite在你的工程根目录下

import tensorflow as tf

graph_def_file = "E:/tensor_data/powerpoint/model/idcard_seg.pb"
input_arrays = ["x"]
output_arrays = ["layer11-fc3/output"]

converter = tf.lite.TFLiteConverter.from_frozen_graph(
  graph_def_file, input_arrays, output_arrays)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

那个啥，完全没有测试模型的准确率emmm先试试看吧！