本文為 AI 研習(xí)社編譯的技術(shù)博客，原標(biāo)題 Tensorflow Vs Keras? — Comparison by building a model for image classification，作者為DataTurks: Data Annotations Made Super Easy。

翻譯 | shunshun    整理 |  凡江

是的，標(biāo)題中的問題在數(shù)據(jù)科學(xué)家之間的談話中是很常見。有人說TensorFlow更好，有人說Keras更好。讓我們看看這個(gè)問題在圖像分類的實(shí)際應(yīng)用中的答案。

在此之前，先介紹Keras和Tensorflow這兩個(gè)術(shù)語，幫助你在10分鐘內(nèi)構(gòu)建強(qiáng)大的圖像分類器。

  Tensorflow:

Tensorflow是開發(fā)深度學(xué)習(xí)模型最常用的庫。它是有史以來最好的庫，在日常實(shí)驗(yàn)中被許多極客選擇。如果我說Google已經(jīng)將Tensor Processing Units（TPU）用于處理張量，你能想象嗎？是的，他們已經(jīng)這樣做了。他們提出了一個(gè)名為TPU的獨(dú)立實(shí)例，它具有最強(qiáng)大的功率驅(qū)動(dòng)計(jì)算能力來處理tensorflow的深度學(xué)習(xí)模型。

  是時(shí)候做一個(gè)了！

我現(xiàn)在將幫助你使用tensorflow創(chuàng)建一個(gè)功能強(qiáng)大的圖像分類器。等等！什么是分類器？這只是一個(gè)簡單的問題，你向你的tensorflow代碼詢問，給定的圖像是玫瑰還是郁金香。所以，首先的首先，讓我們?cè)跈C(jī)器上安裝tensorflow。官方文檔有兩個(gè)版本，即CPU和GPU版本。對(duì)于CPU版本：

請(qǐng)注意，我是在GPU上而非CPU上進(jìn)行實(shí)驗(yàn)后才寫的這篇博客。這里給出了詳細(xì)的GPU安裝。  

現(xiàn)在，讓我們采用Google的Tensorflow進(jìn)行實(shí)驗(yàn)來訓(xùn)練模型。谷歌的這個(gè)倉庫有許多令人驚嘆的處理圖像的簡單實(shí)驗(yàn)的腳本。它非常簡潔，足以滿足我們的目的。還記得前面我用過“強(qiáng)大”這個(gè)詞嗎？是的，當(dāng)我們使用稱為遷移學(xué)習(xí)的方法時(shí)，這個(gè)詞就會(huì)生效。遷移學(xué)習(xí)是一種有效的方式，它使用預(yù)訓(xùn)練模型，這些模型已經(jīng)訓(xùn)練了幾天或幾周，然后改變最后一層以適應(yīng)我們自己的類別。

Inception V3是一個(gè)非常好的模型，在[2015 ImageNet Challenge](http://image-net.org/challenges/LSVRC/2015/results)圖像分類競賽中排名第二。當(dāng)數(shù)據(jù)集的每個(gè)類別具有較少圖像數(shù)量時(shí)，它被提及為遷移學(xué)習(xí)的最佳網(wǎng)絡(luò)。

 Inception V3  

現(xiàn)在克隆git倉庫：

現(xiàn)在，你可以選擇圖像。你所要做的就是以下面的方式存儲(chǔ)數(shù)據(jù)集文件夾。

  FLOWER DATA  

它看起來應(yīng)該像上面圖那樣（忽略image.py）。通過下面代碼獲得flower_photos文件夾：

創(chuàng)建數(shù)據(jù)

你可以使用任何你喜歡的圖像。越多越好（目標(biāo)是幾千）。向上面文件夾格式那樣以類別將它們分開，并確保它們?cè)谝粋€(gè)名為tf_files的文件夾中。

你可以下載已經(jīng)存在的有多種任務(wù)使用的數(shù)據(jù)集，如癌癥檢測，權(quán)力的游戲中的人物分類。這里有各種圖像分類數(shù)據(jù)集。

或者，如果你有自己獨(dú)特的用例，則可以為其創(chuàng)建自己的數(shù)據(jù)集。你可以從網(wǎng)上下載圖像并立即制作大型數(shù)據(jù)集，使用像Dataturks這樣的注釋工具，你可以手動(dòng)上傳圖像并標(biāo)記圖像。更好的是，Dataturks的輸出可以很容易地用于構(gòu)建tf_files。

                             使用Dataturks創(chuàng)建數(shù)據(jù)

我發(fā)現(xiàn)了一個(gè)很棒的插件，可以在Google Chrome上批量下載圖像。這個(gè)和Dataturks將使構(gòu)建訓(xùn)練數(shù)據(jù)變得輕而易舉。鏈接在這里。

您可以嘗試使用dataturks的image_classification工具執(zhí)行此操作。這里該工具提供的最佳功能是，如果我們有一個(gè)非結(jié)構(gòu)化數(shù)據(jù)集，其中所有圖像都在一個(gè)文件夾中。通過手動(dòng)標(biāo)記圖像的類別，你可以下載一個(gè)json文件，該文件包含嵌入其中的類的圖像的所有詳細(xì)信息。然后使用下面給出的keras和tensorflow腳本：  

訓(xùn)練

現(xiàn)在是時(shí)候訓(xùn)練模型了。在tensorflow-for-poets-2文件夾中，有一個(gè)名為scripts的文件夾，它包含重新訓(xùn)練模型所需的一切。retrain.py有一種特殊的裁剪和縮放圖像的方式，非?？帷?/p>

 然后使用以下命令訓(xùn)練,選項(xiàng)名稱本身描述所需的訓(xùn)練路徑的位置。

這將下載inception模型并使用training文件夾和給定的參數(shù)訓(xùn)練最后一層。我使用12GB Nvidia Tesla k80和7GB Vram在GCP實(shí)例上訓(xùn)練了4000步。

訓(xùn)練時(shí)80%數(shù)據(jù)集用作訓(xùn)練，20%用作測試，我們可以看到，它給出了91％的test_accuracy?，F(xiàn)在是時(shí)候測試了！我們?cè)赻tf_files/`中有一個(gè).pb文件，可用于測試。`label_image.py`中添加了以下更改：  

上面的代碼將幫助我們繪制正在測試的圖像的準(zhǔn)確性并保存它。對(duì)于rodom圖像的置信度百分比如下所示

 

下面顯示了幾個(gè)測試圖像的輸出

包含所有類別的少量輸出的拼貼畫 

正如我們所看到的，結(jié)果對(duì)于所述任務(wù)來說真的很好了。  

  Keras

Keras是一個(gè)基于TensorFlow構(gòu)建的高級(jí)API（也可以在Theano之上使用）。與Tensorflow相比，它更加用戶友好且易于使用。如果我們是所有這些深度學(xué)習(xí)的新手，并想從頭開始編寫一個(gè)新模型，那么我會(huì)建議使用Keras，因?yàn)槠湟鬃x性和易寫性。可以通過下面指令安裝：

甚至這個(gè)東西都包含了tensorflow，所以CPU v/s GPU兼容性變化也將適用于此。

因?yàn)椋覀儽仨殘?zhí)行使用inception模型的遷移學(xué)習(xí)對(duì)花進(jìn)行分類的相同任務(wù)，我已經(jīng)看到Keras以標(biāo)準(zhǔn)格式加載模型，如API編寫的那樣。

Keras有一種加載數(shù)據(jù)集的標(biāo)準(zhǔn)格式，即我們不是直接在數(shù)據(jù)集文件夾中提供文件夾，而是手動(dòng)劃分訓(xùn)練和測試數(shù)據(jù)，并按以下方式排列。我使用了我在tensorflow部分下載的相同數(shù)據(jù)集，并按照以下說明進(jìn)行了一些更改。

它看起來應(yīng)該如下所示：

 TRAIN FOLDER

至于，我們現(xiàn)在已完成數(shù)據(jù)集的設(shè)置，是時(shí)候進(jìn)行訓(xùn)練了。我已經(jīng)寫了一小段代碼來進(jìn)行下面的訓(xùn)練：

想要繼續(xù)閱讀并且查看更多代碼、鏈接和參考文獻(xiàn)？

戳鏈接：http://www.gair.link/page/TextTranslation/997

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

A研習(xí)社每日更新精彩內(nèi)容，點(diǎn)擊鏈接http://www.gair.link/page/translate即可觀看更多精彩內(nèi)容：

如何利用深度學(xué)習(xí)和 Pytorch 實(shí)現(xiàn)推薦系統(tǒng)

想了解 MIT 發(fā)布的最新編程語言 Julia，這篇文章就夠了

開發(fā)者必看：8月 Python 熱門開放源碼

亞馬遜、谷歌、微軟等各家公司人臉識(shí)別對(duì)比

斯坦福CS231n李飛飛計(jì)算機(jī)視覺經(jīng)典課程（中英雙語字幕+作業(yè)講解+實(shí)戰(zhàn)分享）

等你來譯：

使用 Python 完成自動(dòng)特征工程——如何自動(dòng)創(chuàng)建機(jī)器學(xué)習(xí)特征

利用 Pytorch 和 CoreML 建立一個(gè)風(fēng)格轉(zhuǎn)換的 iOS 程序

10個(gè) Python 中常見的安全問題以及如何避免他們

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。