机器学习tensorflow, keras之训练首个神经网络：对服饰图像基本分类

本文会训练一个对服饰（例如运动鞋和衬衫）图像进行分类的神经网络模型。

使用tf.keras，它是一种用于在TensorFlow中构建和训练模型的High level API。

导入相关库

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import matplotlib.pyplot as plt

print(tf.__version__)
print(keras.__version__)

结果：

1.12.0
2.1.6-tf

导入 Fashion MNIST 数据集

使用 Fashion MNIST 数据集，其中包含 70000 张灰度图像，涵盖 10 个类别。

以下图像显示了单件服饰在较低分辨率（28x28 像素）下的效果：

我们将使用 60000 张图像训练网络，并使用 10000 张图像评估经过学习的网络分类图像的准确率。

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

首次运行上述代码，keras会自动加载数据集：

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz
32768/29515 [=================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-images-idx3-ubyte.gz
26427392/26421880 [==============================] - 1s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-labels-idx1-ubyte.gz
8192/5148 [===============================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-images-idx3-ubyte.gz
4423680/4422102 [==============================] - 0s 0us/step

加载数据集会返回 4 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数组用于测试模型。

图像为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代表的服饰所属的类别：

标签	类别
0	T 恤衫/上衣
1	裤子
2	套衫
3	裙子
4	外套
5	凉鞋
6	衬衫
7	运动鞋
8	包包
9	踝靴

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

探索数据

我们先探索数据集的格式，然后再训练模型。

以下内容显示训练集中有60000张图像，每张图像都表示为28x28像素：

print(train_images.shape)

(60000, 28, 28)

同样，训练集中有60000个标签：

print(len(train_labels))

60000

每个标签都是一个介于0到9之间的整数：

print(train_labels)

array([9, 0, 0, ..., 3, 0, 5], dtype=uint8)

测试集中有10000张图像。同样，每张图像都表示为28x28像素：

print(test_images.shape)

(10000, 28, 28)

测试集中有10000个图像标签：

print(len(test_labels))

10000

预处理数据

必须先对数据进行预处理，然后再训练网络。

每一张图像，像素值都介于0到255之间：

plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

我们将这些值缩小到 0 到 1 之间，然后将其馈送到神经网络模型。

为此，将图像组件的数据类型从整数转换为浮点数，然后除以 255。

以下是预处理图像的函数：

train_images = train_images / 255.0
test_images = test_images / 255.0

显示训练集中的前25张图像，并在每张图像下显示类别名称。

验证确保数据格式正确无误，然后我们就可以开始构建和训练网络了。

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()

构建模型

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

神经网络的基本构造块是层。

层从馈送到其中的数据中提取表示结果。

大部分深度学习都会把简单的层连在一起。

大部分层（例如tf.keras.layers.Dense）都具有在训练期间要学习的参数。

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

该网络中的第一层tf.keras.layers.Flatten将图像格式从二维数组（28x28像素）转换成一维数组（28 * 28 = 784 像素）。
可以将该层视为图像中像素未堆叠的行，并排列这些行。该层没有要学习的参数；它只改动数据的格式。

在扁平化像素之后，该网络包含两个tf.keras.layers.Dense层的序列。
这些层是密集连接或全连接神经层。
第一个Dense层具有128个节点（或神经元）。第二个（也是最后一个）层是具有 10 个节点的 softmax 层，该层会返回一个具有 10 个概率得分的数组，这些得分的总和为 1。每个节点包含一个得分，表示当前图像属于 10 个类别中某一个的概率。

编译模型

模型还需要再进行几项设置才可以开始训练。这些设置会添加到模型的编译步骤：

• 损失函数: 衡量模型在训练期间的准确率。我们希望尽可能缩小该函数，以“引导”模型朝着正确的方向优化。
• 优化器: 根据模型看到的数据及其损失函数更新模型的方式。
• 指标: 用于监控训练和测试步骤。以下示例使用准确率，即图像被正确分类的比例。

model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

训练模型

训练神经网络模型需要执行以下步骤：

• 将训练数据馈送到模型中，在本示例中为 train_images 和 train_labels 数组。
• 模型学习将图像与标签相关联。
• 我们要求模型对测试集进行预测，在本示例中为 test_images 数组。我们会验证预测结果是否与 test_labels 数组中的标签一致。

要开始训练，调用model.fit方法，使模型与训练数据“拟合”：

model.fit(train_images, train_labels, epochs=5)

Epoch 1/5
60000/60000 [==============================] - 5s 87us/step - loss: 0.5033 - acc: 0.8242
Epoch 2/5
60000/60000 [==============================] - 5s 80us/step - loss: 0.3803 - acc: 0.8643
Epoch 3/5
60000/60000 [==============================] - 5s 85us/step - loss: 0.3399 - acc: 0.8758
Epoch 4/5
60000/60000 [==============================] - 5s 87us/step - loss: 0.3141 - acc: 0.8855
Epoch 5/5
60000/60000 [==============================] - 5s 88us/step - loss: 0.2941 - acc: 0.8917

在模型训练期间，系统会显示损失和准确率指标。该模型在训练数据上的准确率达到 0.88（即 88%）。

评估准确率

接下来，比较一下模型在测试数据集上的表现：

test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

10000/10000 [==============================] - 1s 50us/step
Test accuracy: 0.8734

结果表明，模型在测试数据集上的准确率略低于在训练数据集上的准确率。训练准确率和测试准确率之间的这种差异表示出现过拟合。如果机器学习模型在新数据上的表现不如在训练数据上的表现，就表示出现过拟合。

做出预测

模型经过训练后，我们可以使用它对一些图像进行预测。

predictions = model.predict(test_images)

在本示例中，模型已经预测了测试集中每张图像的标签。我们来看看第一个预测：

print(predictions[0])

array([4.2577299e-06, 7.2840301e-08, 2.3979945e-08, 2.0671453e-06,
       9.1094840e-08, 1.2096325e-01, 1.5182156e-06, 1.9717012e-01,
       1.2066002e-05, 6.8184656e-01], dtype=float32)

预测结果是一个具有 10 个数字的数组。这些数字说明模型对于图像对应于 10 种不同服饰中每一个服饰的“置信度”。我们可以看到哪个标签的置信度值最大：

print(np.argmax(predictions[0]))

9

因此，模型非常确信这张图像是踝靴或属于class_names[9]。我们可以检查测试标签以查看该预测是否正确：

print(test_labels[0])

9

参考资料