如何入手卷积神经网络
選自medium
作者：Tirmidzi Faizal Aflahi
參與：韓放、王淑婷
卷積神經(jīng)網(wǎng)絡(luò)可以算是深度神經(jīng)網(wǎng)絡(luò)中很流行的網(wǎng)絡(luò)了。本文從基礎(chǔ)入手，介紹了卷積網(wǎng)絡(luò)的基本原理以及相關(guān)的其它技術(shù)，并利用卷積網(wǎng)絡(luò)做了一個簡單項目作為示例參考。想入手 CNN 的朋友不可錯過~首先，我們先看看下面這張照片：
圖源：Pix2PixHD
這不是一張真實的照片，你可以新建一個窗口來打開它，放大看看，可以看到馬賽克。
實際上，這張照片是由 AI 生成的，是不是看起來很真實？
從 Alex Krizhevsky 及其朋友通過 ImageNet 公布這項技術(shù)至今，不過才七年。ImageNet 是一個大規(guī)模圖像識別競賽，每年都會舉辦，識別種類達(dá) 1000 多種，從阿拉斯加雪橇犬到廁紙應(yīng)用盡有。之后，他們又創(chuàng)建了 AlexNet，獲得了 ImageNet 競賽冠軍，遠(yuǎn)超第二名。
這項技術(shù)就是卷積神經(jīng)網(wǎng)絡(luò)。它是深度神經(jīng)網(wǎng)絡(luò)的一個分支，處理圖像的效果格外好。
圖源：ImageNet
上圖是幾年來贏得 ImageNet 挑戰(zhàn)賽的軟件產(chǎn)生的誤差率。可以發(fā)現(xiàn)，2016 年誤差率降到了 5%，已經(jīng)超越人類水平。
深度學(xué)習(xí)的引入與其說是改變規(guī)則，不如說是在打破規(guī)則。
卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
那么問題來了，卷積神經(jīng)網(wǎng)絡(luò)到底是怎么運作的呢？
卷積神經(jīng)網(wǎng)絡(luò)之所以優(yōu)于其它深度神經(jīng)網(wǎng)絡(luò)是由于它特殊的操作。相比一次只計算圖像中的單個像素，CNN 將多個像素的信息組合在一起（比如上圖中計算了 3*3 的像素），因此能夠理解時間模式。
另外，CNN 可以「看到」一組像素組合成一條直線或者曲線。由于深度神經(jīng)網(wǎng)絡(luò)通常都是多層卷積的堆疊，通過上一層得到了直線或者曲線后，下一層不再組合像素，而是將線組合成形狀，一層一層進(jìn)行下去，直到形成完整的圖片。
來自 Mynepalli 的深度卷積神經(jīng)網(wǎng)絡(luò)圖
要想深入理解 CNN，你需要學(xué)習(xí)很多基礎(chǔ)知識，比如什么是核，什么是池化層。但是現(xiàn)在有很多優(yōu)秀的開源項目，你可以直接在他們的基礎(chǔ)上進(jìn)行研究并加以利用。
這就引入了另一門技術(shù)——遷移學(xué)習(xí)。
遷移學(xué)習(xí)
遷移學(xué)習(xí)使用訓(xùn)練好的深度學(xué)習(xí)模型來學(xué)習(xí)特定的任務(wù)。
舉個栗子，比如你在火車調(diào)度公司工作，你們想在不增加勞動力的情況下，預(yù)測火車是否晚點。
你完全可以利用 ImageNet 上的卷積神經(jīng)網(wǎng)絡(luò)模型，比如說 2015 年的冠軍 ResNet。用火車圖片重新訓(xùn)練網(wǎng)絡(luò)，相信我，結(jié)果不會讓你失望的。
遷移學(xué)習(xí)主要有兩大優(yōu)勢：
相比于從頭開始訓(xùn)練，只需要少量圖片就可以得到很好的效果。ImageNet 競賽提供了一百萬張圖片用于訓(xùn)練。使用遷移學(xué)習(xí)，你只需要 1000 甚至 100 張圖片就可以訓(xùn)練出一個很好的模型，因為你的預(yù)訓(xùn)練模型已經(jīng)在一百萬張圖片上訓(xùn)練過了。
較少的訓(xùn)練時間就能實現(xiàn)良好的性能。為了得到和 ImageNet 模型同樣好的效果，你可能需要訓(xùn)練數(shù)天，這還不包括模型效果不好時對其進(jìn)行調(diào)整所需的時間。然而使用遷移學(xué)習(xí)，你可能只需要幾個小時甚至幾分鐘就可以完成特定任務(wù)的訓(xùn)練，大大節(jié)省了時間。
圖像分類到圖像生成
有了遷移學(xué)習(xí)之后大家產(chǎn)生了許多有趣的想法。既然我們可以處理圖像、識別圖像中的信息，那我們?yōu)槭裁床蛔约荷蓤D像呢？
因吹斯汀！
生成對抗網(wǎng)絡(luò)由此應(yīng)運而生。
朱俊彥等人提出的 CycleGAN
給定某些輸入，這項技術(shù)可以生成對應(yīng)的圖片。
如上圖所示，CycleGAN 可以根據(jù)一幅畫生成對應(yīng)的真實照片，也可以根據(jù)草圖生成背包的照片，甚至可以進(jìn)行超分辨率重建。
超分辨率生成對抗網(wǎng)絡(luò)
很神奇，對嗎？
當(dāng)然，你可以學(xué)習(xí)構(gòu)建這些網(wǎng)絡(luò)。但如何開始呢？
卷積神經(jīng)網(wǎng)絡(luò)教程
首先你要知道，入門很簡單，但掌握就不是那么容易了。
我們先最基礎(chǔ)的開始。
圖源：Thomas Verbruggen on Unsplash
航拍仙人掌識別
這是 Kaggle 上的學(xué)習(xí)項目，你的任務(wù)是識別航拍圖像中是否有柱狀仙人掌。
是不是看起來非常簡單？
Kaggle 提供了 17500 張圖片，其中 4000 張未標(biāo)注的作為測試集。如果你的模型能夠正確標(biāo)注 4000 張圖片，就會得滿分 1 或者 100%。
我找了好久，終于找到下面這個非常適合新手入門的項目。
仙人掌
這張圖像與上面的類似。它大小為 32*32，其中包含或者不包含柱狀仙人掌。因為是航拍圖片所以包含各種不同角度。
所以你需要什么呢？
用 python 構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
是的，Python——深度學(xué)習(xí)領(lǐng)域最受歡迎的語言。至于深度學(xué)習(xí)框架，你有很多種選擇，可以自己逐一嘗試：
Tensorflow，最受歡迎的深度學(xué)習(xí)框架，由谷歌工程師構(gòu)建，并且擁有最多的貢獻(xiàn)者和粉絲。由于社群比較龐大，當(dāng)你有問題時可以很容易找到解決方案。它們的高階 API keras，在入門者中很受歡迎。
Pytorch，我最喜歡的深度學(xué)習(xí)框架。純 Python 實現(xiàn)，因此繼承了 Python 的各種優(yōu)缺點。Python 開發(fā)者會很容易上手。它還有 FastAI 庫提供抽象，就像 Keras 之于 Tensorflow。
MXNet，Apache 開發(fā)的深度學(xué)習(xí)框架。
Theano，Tensorflow 的前身。
CNTK，微軟開發(fā)的深度學(xué)習(xí)框架。
這篇教程中使用的就是我最喜歡的 Pytorch，并且使用 FastAI。
開始之前，你需要安裝 Python。瀏覽 Python 的官網(wǎng)，下載你需要的版本。需要確保的是一定要用 3.6+的版本，否則將不支持你需要用到的一些庫。
現(xiàn)在，打開你的命令行或者終端，安裝下面這些庫：
Numpy 用于存儲輸入圖像，pandas 用于處理 CSV 文件，Jupyter notebook 用于編碼。
然后，去 Pytorch 官網(wǎng)下載需要的版本，并且如果你想加速訓(xùn)練的話，要安裝 CUDA 版本的 Pytorch，并且版本至少是 1.0 以上。
上面這些搞定之后，安裝 torchvision 和 FastAI：
pip?install?torchvision?
pip?install?fastai
運行 Jupyter notebook 命令，打開 Jupyter，它將打開一個瀏覽器窗口。
這樣所需環(huán)境就配置好了，我們開始吧。
準(zhǔn)備數(shù)據(jù)
導(dǎo)入需要的代碼：
import?numpy?as?np
import?pandas?as?pd?
from?pathlib?import?Path?
from?fastai?import?*?
from?fastai.vision?import?*?
import?torch?
%matplotlib?inline
Numpy 和 Pandas 基本是做什么任務(wù)都會需要的。FastAI 和 Torch 是你的深度學(xué)習(xí)庫。Matplotlib Inline 用于顯示圖表。
下面就可以從 Kaggle 競賽官網(wǎng)上下載數(shù)據(jù)了。
解壓 zip 文件，并放置于 Jupyter notebook 文件夾中。
假設(shè)你的 notebook 被命名為 Cacti。你的文件夾結(jié)構(gòu)會是下面這樣：
Train 文件夾里包含所有的訓(xùn)練圖片。
Test 文件夾是用于提交的測試圖片。
Train CSV 文檔里包含訓(xùn)練數(shù)據(jù)的信息，將圖片名與列 has_cactus 映射，如果該列有 cactus，則值為 1，否則為 0。
Sample Submission CSV 中是提交所需的格式。文件名和 Test 文件夾中的圖片相對應(yīng)。
將 Train CSV 文檔加載到數(shù)據(jù)幀中。
train_images?=?ImageList.from_df(train_df,?path=data_folder,?folder='train')
利用 ImageList from_df 方法創(chuàng)建加載生成器，以便將 train_df 數(shù)據(jù)幀和 train 文件夾中的圖像進(jìn)行映射。
數(shù)據(jù)增強(qiáng)
這是一種根據(jù)現(xiàn)有數(shù)據(jù)創(chuàng)建更多數(shù)據(jù)的技術(shù)。一張貓的圖片水平翻轉(zhuǎn)之后仍然是貓的圖片。但通過這樣做，你可以把你的數(shù)據(jù)擴(kuò)增至兩倍、四倍甚至 16 倍。
如果你數(shù)據(jù)量比較少，可以嘗試這種方法。
FastAI 提供了 get_transform 函數(shù)來做這些事情。你可以水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、旋轉(zhuǎn)、放大、提高光度/亮度或者加仿射變換來增強(qiáng)數(shù)據(jù)。
你可以用我上邊提供的參數(shù)試一下圖片會變成什么樣。或者你可以詳細(xì)閱讀官方文檔。
然后，對你的圖像序列做上述預(yù)處理。
參數(shù)大小將用于放大或縮小輸入，以匹配你將使用的神經(jīng)網(wǎng)絡(luò)。我所用的網(wǎng)絡(luò)是 DenseNet——ImageNet 2017 最佳論文獎的成果，它要輸入的圖像大小為 128*128。
準(zhǔn)備訓(xùn)練
讀取數(shù)據(jù)之后，就到了深度學(xué)習(xí)最關(guān)鍵的一步——訓(xùn)練。這個過程也是深度學(xué)習(xí)中學(xué)習(xí)的由來。網(wǎng)絡(luò)從你的數(shù)據(jù)中學(xué)習(xí)并且依據(jù)學(xué)習(xí)到的結(jié)果調(diào)整自身參數(shù)，直到在數(shù)據(jù)上得到比較好的效果。
test_img?=?ImageList.from_df(test_df,?path=data_folder,?folder='test')
train_img?=?train_img?
??????????.split_by_rand_pct(0.01)?
??????????.label_from_df()?
??????????.add_test(test_img)?
??????????.databunch(path='.',?bs=64,?device=torch.device('cuda:0'))?????????????
??????????.normalize(imagenet_stats)
在訓(xùn)練這一步，你需要把訓(xùn)練數(shù)據(jù)分出一小部分做驗證集。你不可以用這部分?jǐn)?shù)據(jù)來訓(xùn)練，因為它們只是用來做驗證的。當(dāng)你的卷積神經(jīng)網(wǎng)絡(luò)在驗證集上效果較好時，很有可能在測試集上也可以提交一個比較好的結(jié)果。
FastAI 提供了 split_by_rand_pct 函數(shù)，可以很方便地進(jìn)行以上操作。
databunch 函數(shù)可以進(jìn)行批處理。由于 GPU 內(nèi)存限制，我的批大小為 64。如果你沒有 GPU，忽略 device 參數(shù)這一項。
之后，由于你使用的是預(yù)訓(xùn)練網(wǎng)絡(luò)，用 normalize 函數(shù)來進(jìn)行圖像歸一化。imagenet_stats 函數(shù)會根據(jù) ImageNet 預(yù)訓(xùn)練模型的訓(xùn)練方式歸一化輸入圖像。
把測試數(shù)據(jù)也加入訓(xùn)練數(shù)據(jù)列表里，可以使稍后預(yù)測更容易，免得再進(jìn)行一次預(yù)處理。記住，這些圖像不能用于訓(xùn)練，也不可以用來做驗證。這樣做只是為了確保訓(xùn)練圖片和測試圖片采用了完全相同的預(yù)處理方式。
現(xiàn)在數(shù)據(jù)準(zhǔn)備工作已經(jīng)做完了。現(xiàn)在，用 cnn_leaner 創(chuàng)建一個訓(xùn)練器。如上所述，我是采用 DenseNet 作為預(yù)訓(xùn)練網(wǎng)絡(luò)的，當(dāng)然你也可以選擇 TorchVision 提供的其他網(wǎng)絡(luò)。
單周期技術(shù)
現(xiàn)在你可以開始訓(xùn)練了。但是，包括卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)，深度學(xué)習(xí)訓(xùn)練的一大難題就是，如何選擇正確的學(xué)習(xí)率。學(xué)習(xí)率決定了進(jìn)行梯度下降時更新參數(shù)減小誤差的幅度。
如上圖所示，大一些的學(xué)習(xí)率使訓(xùn)練過程更快，但更容易錯過誤差邊界，甚至?xí)隹煽胤秶?#xff0c;無法收斂。然而，當(dāng)使用稍微小一點的學(xué)習(xí)率時，訓(xùn)練過程會更慢，但不會發(fā)散。
所以，選擇合適的學(xué)習(xí)率非常重要。我們要找到的是足夠大卻又不會使訓(xùn)練發(fā)散的恰當(dāng)學(xué)習(xí)率。
但說起來容易做起來難。
所以，一個叫 Leslie Smith 的人提出了單周期策略。
簡單來說，就是先暴力查找?guī)讉€不同的學(xué)習(xí)率，然后選擇一個最接近最小誤差但還有進(jìn)步空間的。代碼如下：
learn.recorder.plot()
你會得到如下輸出：
誤差最小值在 10^-1 位置，所以我們可以使用略小于這個值的學(xué)習(xí)率，比如 3*10^-2。
learn.fit_one_cycle(5,?slice(lr))
訓(xùn)練幾個 epoch（這里我選擇 5，不太大也不太小），然后看看結(jié)果。
等等，怎么回事？！
驗證集準(zhǔn)確率達(dá)到了 100%！訓(xùn)練過程實際上是非常高效的，只用了六分鐘時間。多么幸運！實際上，你可能需要數(shù)次迭代才能找到合適的算法。
我等不及要提交了！哈哈。下面讓我們預(yù)測并提交測試集結(jié)果吧。
由于之前已經(jīng)把測試圖片放入訓(xùn)練圖片列表中了，因此不需要再對測試圖片做預(yù)處理。
上面這行代碼會創(chuàng)建一個 CSV 文件，其中包含 4000 張測試圖像的名稱以及每張圖像是否包含仙人掌的 label。
當(dāng)我嘗試提交時，我發(fā)現(xiàn)需要通過 Kaggle 核來提交 CSV，這是我之前沒有注意到的。
圖源：Kaggle
幸運的是，核的操作和 Jupyter notebook 非常相似。你完全可以把 notebook 里創(chuàng)建的東西復(fù)制粘貼過來，然后提交。
然后，Duang~完成了！
天吶！得分竟然為 0.9999，這已經(jīng)非常好了。當(dāng)然如果第一次嘗試就得到這么好的分?jǐn)?shù)，應(yīng)該還有進(jìn)步的空間。
所以，我調(diào)整了網(wǎng)絡(luò)結(jié)構(gòu)，又嘗試了一次。
得分為 1！我做到了！！所以你也可以，實際上并不是那么困難。
（另外，這個排名是 4 月 13 號的，我的排名現(xiàn)在很有可能已經(jīng)下降了…）
我學(xué)到了什么
這個項目很簡單，你在解決任務(wù)的過程中也不會遇到什么奇怪的挑戰(zhàn)，所以這個項目非常適合入門。
并且由于已經(jīng)有很多人得滿分了，我覺得主辦方應(yīng)該另外創(chuàng)建一個用于提交的測試集，難度最好更高一點。
不管怎么樣，從這個項目開始基本沒有什么困難。你可以馬上嘗試并且獲得高分。
圖源：Mario Mrad on Unsplash
卷積神經(jīng)網(wǎng)絡(luò)對各種不同的任務(wù)都很有效，不論是圖像識別還是圖像生成。現(xiàn)在分析圖像并不像以前那么難。當(dāng)然，如果你嘗試的話也可以做到。
所以，選擇一個好的卷積神經(jīng)網(wǎng)絡(luò)項目，準(zhǔn)備好高質(zhì)量的數(shù)據(jù)，開始吧！
原文鏈接：https://medium.freecodecamp.org/everything-you-need-to-know-to-master-convolutional-neural-networks-ef98ca3c7655
總結(jié)
以上是生活随笔為你收集整理的如何入手卷积神经网络的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： GitHub趋势榜第一：超级命令行工具S
- 下一篇： 支持中文的算法可视化网站，你想要的算法这