本文共 13373 字，大约阅读时间需要 44 分钟。

图像分类的深层神经网络及其应用

当你完成这个，你将完成第四周的最后一个编程作业，也是这门课的最后一个编程作业！ 您将使用在上一个作业中实现的功能来构建一个深层网络，并将其应用于卡特彼勒和非卡特彼勒分类。希望您会看到相对于之前的逻辑回归实现，准确性有所提高。 完成这项任务后，您将能够: 建立并应用深层神经网络进行监督学习。 让我们开始吧！

1-准备软件包

让我们首先导入您在本次任务中需要的所有包。

• numpy：是使用Python进行科学计算的基本软件包。
• matplotlib：是一个用Python绘制图形的库。
• h5py：是与存储在H5文件中的数据集交互的通用包。
• PIL和scipy：在这里用你自己的照片来测试你的模型。
• dnn_app_utils：为本章提供了在“构建深层神经网络:一步一步”任务中实现的功能。
• np.random.seed(1)：用于保持所有随机函数调用的一致性。这将有助于我们给你的工作评分。

import timeimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport scipyfrom PIL import Imagefrom scipy import ndimagefrom dnn_app_utils_v2 import *%matplotlib inlineplt.rcParams['figure.figsize'] = (5.0, 4.0) # set default size of plotsplt.rcParams['image.interpolation'] = 'nearest'plt.rcParams['image.cmap'] = 'gray'%load_ext autoreload%autoreload 2np.random.seed(1)

 

2 -数据集

您将使用与“逻辑回归作为神经网络”(作业2)中相同的“猫vs非猫”数据集。你建立的模型对猫和非猫图像的分类有70%的测试准确率。希望你的新模型会表现得更好！

问题陈述:您将获得一个数据集(“数据h5”)，其中包含:

• 标记为cat (1)或非cat (0)的m_train图像训练集
• 标记为“猫”和“非猫”的一组m_test图像
• 每个图像的形状为(num_px，num_px，3)，其中3代表3个通道(RGB)。

让我们更加熟悉数据集。通过运行下面的单元格加载数据。

train_x_orig, train_y, test_x_orig, test_y, classes = load_data()print(train_x_orig.shape)print(train_y.shape)print(test_x_orig.shape)print(test_y.shape)print(classes)

结果：

(209, 64, 64, 3)(1, 209)(50, 64, 64, 3)(1, 50)[b'non-cat' b'cat']

下面的代码将向您显示数据集中的图像。请随意更改索引并多次重新运行单元格以查看其他图像。

# Example of a pictureindex = 50plt.imshow(train_x_orig[index])print ("y = " + str(train_y[0,index]) + ". It's a " + classes[train_y[0,index]].decode("utf-8") +  " picture.")

结果：

y = 1. It's a cat picture.

# Explore your dataset m_train = train_x_orig.shape[0]num_px = train_x_orig.shape[1]m_test = test_x_orig.shape[0]print ("Number of training examples: " + str(m_train))print ("Number of testing examples: " + str(m_test))print ("Each image is of size: (" + str(num_px) + ", " + str(num_px) + ", 3)")print ("train_x_orig shape: " + str(train_x_orig.shape))print ("train_y shape: " + str(train_y.shape))print ("test_x_orig shape: " + str(test_x_orig.shape))print ("test_y shape: " + str(test_y.shape))

结果：

Number of training examples: 209Number of testing examples: 50Each image is of size: (64, 64, 3)train_x_orig shape: (209, 64, 64, 3)train_y shape: (1, 209)test_x_orig shape: (50, 64, 64, 3)test_y shape: (1, 50)

像往常一样，在将图像输入网络之前，您需要对图像进行整形和标准化。代码在下面的单元格中给出。

# Reshape the training and test examples train_x_flatten = train_x_orig.reshape(train_x_orig.shape[0], -1).T   # The "-1" makes reshape flatten the remaining dimensionstest_x_flatten = test_x_orig.reshape(test_x_orig.shape[0], -1).T# Standardize data to have feature values between 0 and 1.train_x = train_x_flatten/255.test_x = test_x_flatten/255.print ("train_x's shape: " + str(train_x.shape))print ("test_x's shape: " + str(test_x.shape))

结果：

train_x's shape: (12288, 209)test_x's shape: (12288, 50)

12，288等于64×64×3，这是一个重新整形的图像向量的大小。

 

3 -模型的架构

现在您已经熟悉了数据集，是时候构建一个深层神经网络来区分猫图像和非猫图像了。 您将构建两种不同的模型:

• 一个两层的神经网络
• 一个L层的深层神经网络

然后，您将比较这些模型的性能，并尝试不同的 L 值 让我们看看这两种架构。

3.1 -两层的神经网络

该模型可以概括为： INPUT -> LINEAR -> RELU -> LINEAR -> SIGMOID -> OUTPUT

3.2 - L层深层神经网络

有一个简化的网络表示:

 

3.3 -一般方法 像往常一样，您将遵循深度学习方法来构建模型:

• 1.初始化参数/定义超参数
• 2.迭代次数循环:

• a.正向传播

• b.计算成本函数

• c.反向传播

• d.更新参数(使用参数和来自背板的梯度)

• 4.使用训练有素的参数来预测标签 现在让我们实现这两个模型！

 

4 -两层神经网络

问题:使用您在前面的作业中实现的辅助函数，构建一个具有以下结构的两层神经网络:LINEAR -> RELU -> LINEAR -> SIGMOID。您可能需要的功能及其输入是:

def initialize_parameters(n_x, n_h, n_y):    ...    return parameters def linear_activation_forward(A_prev, W, b, activation):    ...    return A, cachedef compute_cost(AL, Y):    ...    return costdef linear_activation_backward(dA, cache, activation):    ...    return dA_prev, dW, dbdef update_parameters(parameters, grads, learning_rate):    ...    return parameters

代码部分：

### CONSTANTS DEFINING THE MODEL ####n_x = 12288     # num_px * num_px * 3n_h = 7n_y = 1layers_dims = (n_x, n_h, n_y)

# GRADED FUNCTION: two_layer_modeldef two_layer_model(X, Y, layers_dims, learning_rate = 0.0075, num_iterations = 3000, print_cost=False):    """    实现一个两层的神经网络，【LINEAR->RELU】 -> 【LINEAR->SIGMOID】    参数：        X - 输入的数据，维度为(n_x，例子数)        Y - 标签，向量，0为非猫，1为猫，维度为(1,数量)        layers_dims - 层数的向量，维度为(n_y,n_h,n_y)        learning_rate - 学习率        num_iterations - 迭代的次数        print_cost - 是否打印成本值，每100次打印一次        isPlot - 是否绘制出误差值的图谱    返回:        parameters - 一个包含W1，b1，W2，b2的字典变量    """        np.random.seed(1)    grads = {}    costs = []                              # to keep track of the cost    m = X.shape[1]                           # number of examples    (n_x, n_h, n_y) = layers_dims        # Initialize parameters dictionary, by calling one of the functions you'd previously implemented    ### START CODE HERE ### (≈ 1 line of code)    parameters = initialize_parameters(n_x, n_h, n_y)#     print(parameters.keys())#     print(parameters)    ### END CODE HERE ###        # Get W1, b1, W2 and b2 from the dictionary parameters.    W1 = parameters["W1"]    b1 = parameters["b1"]    W2 = parameters["W2"]    b2 = parameters["b2"]        # Loop (gradient descent)    for i in range(0, num_iterations):        # 前向传播: LINEAR -> RELU -> LINEAR -> SIGMOID. Inputs: "X, W1, b1". Output: "A1, cache1, A2, cache2".        ### START CODE HERE ### (≈ 2 lines of code)        A1, cache1 = linear_activation_forward(X, W1, b1, "relu")        A2, cache2 = linear_activation_forward(A1, W2, b2, "sigmoid")        ### END CODE HERE ###                # 计算代价        ### START CODE HERE ### (≈ 1 line of code)        cost = compute_cost(A2,Y)        ### END CODE HERE ###                # 初始化反向传播        dA2 = - (np.divide(Y, A2) - np.divide(1 - Y, 1 - A2))                # 反向传播. Inputs: "dA2, cache2, cache1". Outputs: "dA1, dW2, db2; also dA0 (not used), dW1, db1".        ### START CODE HERE ### (≈ 2 lines of code)        dA1, dW2, db2 = linear_activation_backward(dA2, cache2, "sigmoid")        dA0, dW1, db1 = linear_activation_backward(dA1, cache1, "relu")        ### END CODE HERE ###                # Set grads['dWl'] to dW1, grads['db1'] to db1, grads['dW2'] to dW2, grads['db2'] to db2        grads['dW1'] = dW1        grads['db1'] = db1        grads['dW2'] = dW2        grads['db2'] = db2                # 更新参数        ### START CODE HERE ### (approx. 1 line of code)        parameters = update_parameters(parameters,grads,learning_rate)        ### END CODE HERE ###        # Retrieve W1, b1, W2, b2 from parameters        W1 = parameters["W1"]        b1 = parameters["b1"]        W2 = parameters["W2"]        b2 = parameters["b2"]                # Print the cost every 100 training example        if print_cost and i % 100 == 0:            print("Cost after iteration {}: {}".format(i, np.squeeze(cost)))        if print_cost and i % 100 == 0:            costs.append(cost)           # 绘制代价    plt.plot(np.squeeze(costs))    plt.ylabel('cost')    plt.xlabel('iterations (per tens)')    plt.title("Learning rate =" + str(learning_rate))    plt.show()        return parameters

测试：

parameters = two_layer_model(train_x, train_y, layers_dims = (n_x, n_h, n_y), num_iterations = 2500, print_cost=True)

结果：

Cost after iteration 0: 0.693049735659989Cost after iteration 100: 0.6464320953428849Cost after iteration 200: 0.6325140647912678Cost after iteration 300: 0.6015024920354665Cost after iteration 400: 0.5601966311605748Cost after iteration 500: 0.515830477276473Cost after iteration 600: 0.4754901313943325Cost after iteration 700: 0.43391631512257495Cost after iteration 800: 0.40079775362038866Cost after iteration 900: 0.3580705011323798Cost after iteration 1000: 0.3394281538366413Cost after iteration 1100: 0.3052753636196264Cost after iteration 1200: 0.27491377282130164Cost after iteration 1300: 0.24681768210614857Cost after iteration 1400: 0.19850735037466094Cost after iteration 1500: 0.17448318112556632Cost after iteration 1600: 0.17080762978096875Cost after iteration 1700: 0.11306524562164708Cost after iteration 1800: 0.09629426845937152Cost after iteration 1900: 0.08342617959726867Cost after iteration 2000: 0.07439078704319087Cost after iteration 2100: 0.06630748132267936Cost after iteration 2200: 0.05919329501038175Cost after iteration 2300: 0.053361403485605606Cost after iteration 2400: 0.04855478562877021

 

幸好你建立了矢量化的实现！否则训练这个可能要花10倍的时间。 现在，您可以使用经过训练的参数对数据集中的图像进行分类。要查看您对训练集和测试集的预测，请运行下面的单元格。

训练集的预测：

predictions_train = predict(train_x, train_y, parameters)

结果：

Accuracy: 1.0

测试集的预测：

predictions_test = predict(test_x, test_y, parameters)

结果：

Accuracy: 0.72

注意:您可能会注意到，在更少的迭代上运行模型(比如1500次)可以在测试集上提供更好的准确性。这被称为“提前停止”，我们将在下一课中讨论它。提前停止是防止过度拟合的一种方法。 恭喜！看来你的两层神经网络比逻辑回归实现(70%，作业第2周)有更好的性能(72%)。让我们看看你是否可以用一个L层模型做得更好。

 

5 - L层的神经网络

练习:使用您之前实现的帮助函数来构建一个具有以下结构的L层神经网络: [LINEAR -> RELU]××(L-1) -> LINEAR -> SIGMOID。您可能需要的功能及其输入是:

def initialize_parameters_deep(layer_dims):    ...    return parameters def L_model_forward(X, parameters):    ...    return AL, cachesdef compute_cost(AL, Y):    ...    return costdef L_model_backward(AL, Y, caches):    ...    return gradsdef update_parameters(parameters, grads, learning_rate):    ...    return parameters

代码部分：

### CONSTANTS ###layers_dims = [12288, 20, 7, 5, 1] #  5-layer model

# GRADED FUNCTION: L_layer_modeldef L_layer_model(X, Y, layers_dims, learning_rate = 0.0075, num_iterations = 3000, print_cost=False):#lr was 0.009    """    实现一个L层神经网络：[LINEAR-> RELU] *（L-1） - > LINEAR-> SIGMOID。    参数：        X - 输入的数据，维度为(n_x，例子数)        Y - 标签，向量，0为非猫，1为猫，维度为(1,数量)        layers_dims - 层数的向量，维度为(n_y,n_h,···,n_h,n_y)        learning_rate - 学习率        num_iterations - 迭代的次数        print_cost - 是否打印成本值，每100次打印一次        isPlot - 是否绘制出误差值的图谱    返回：     parameters - 模型学习的参数。 然后他们可以用来预测。    """    np.random.seed(1)    costs = []                         # keep track of cost        # 初始化参数    ### START CODE HERE ###    parameters = initialize_parameters_deep(layers_dims)    ### END CODE HERE ###        # 循环 (梯度下降)    for i in range(0, num_iterations):        # 前向传播: [LINEAR -> RELU]*(L-1) -> LINEAR -> SIGMOID.        ### START CODE HERE ### (≈ 1 line of code)        AL, caches = L_model_forward(X,parameters)        ### END CODE HERE ###                # 计算代价        ### START CODE HERE ### (≈ 1 line of code)        cost = compute_cost(AL, Y)        ### END CODE HERE ###            # 后向传播        ### START CODE HERE ### (≈ 1 line of code)        grads = L_model_backward(AL,Y,caches)        ### END CODE HERE ###         # 更新参数        ### START CODE HERE ### (≈ 1 line of code)        parameters = update_parameters(parameters,grads,learning_rate)        ### END CODE HERE ###                        # Print the cost every 100 training example        if print_cost and i % 100 == 0:            print ("Cost after iteration %i: %f" %(i, cost))        if print_cost and i % 100 == 0:            costs.append(cost)                # 绘制代价    plt.plot(np.squeeze(costs))    plt.ylabel('cost')    plt.xlabel('iterations (per tens)')    plt.title("Learning rate =" + str(learning_rate))    plt.show()        return parameters

现在，您将把模型训练成一个5层神经网络。 运行下面的单元来训练你的模型。每次迭代的成本都应该降低。运行2500次迭代可能需要5分钟。检查“迭代0后的成本”是否与下面的预期输出匹配，如果不匹配，请单击笔记本上栏的正方形(⬛)来停止单元格并尝试查找错误。

测试：

parameters = L_layer_model(train_x, train_y, layers_dims, num_iterations = 2500, print_cost = True)

结果：

Cost after iteration 0: 0.771749Cost after iteration 100: 0.672053Cost after iteration 200: 0.648263Cost after iteration 300: 0.611507Cost after iteration 400: 0.567047Cost after iteration 500: 0.540138Cost after iteration 600: 0.527930Cost after iteration 700: 0.465477Cost after iteration 800: 0.369126Cost after iteration 900: 0.391747Cost after iteration 1000: 0.315187Cost after iteration 1100: 0.272700Cost after iteration 1200: 0.237419Cost after iteration 1300: 0.199601Cost after iteration 1400: 0.189263Cost after iteration 1500: 0.161189Cost after iteration 1600: 0.148214Cost after iteration 1700: 0.137775Cost after iteration 1800: 0.129740Cost after iteration 1900: 0.121225Cost after iteration 2000: 0.113821Cost after iteration 2100: 0.107839Cost after iteration 2200: 0.102855Cost after iteration 2300: 0.100897Cost after iteration 2400: 0.092878

训练集的预测：

predictions_train = predict(train_x, train_y, parameters)

结果：

Accuracy: 0.9856459330143541

测试集的预测：

predictions_test = predict(test_x, test_y, parameters)

结果：

Accuracy: 0.8

恭喜！在同一测试集中，您的5层神经网络的性能(80%)似乎优于您的2层神经网络(72%)。 这是这项任务的良好表现。干得好！ 尽管在下一堂关于“改进深层神经网络”的课程中，您将学习如何通过系统地搜索更好的超参数(学习速率、层亮度、迭代次数以及其他您在下一堂课中也将学习的参数)来获得更高的精度。

 

6- 结果分析

首先，让我们来看看一些图像，在L层模型中被错误地标记了，导致准确率没有提高。

print_mislabeled_images(classes, test_x, test_y, pred_test)

分析一下我们就可以得知原因了： 

模型往往表现欠佳的几种类型的图像包括：

• 猫身体在一个不同的位置
• 猫出现在相似颜色的背景下
• 不同的猫的颜色和品种
• 相机角度
• 图片的亮度
• 比例变化（猫的图像非常大或很小）

 

7-用自己的形象测试(可选/未分级练习)

祝贺你完成这项任务。您可以使用自己的图像并查看模型的输出。为此:

• 1.单击本笔记本上方栏中的“文件”，然后单击“打开”进入您的Coursera集线器。
• 2.将您的图像添加到“图像”文件夹中的这个笔记本目录中
• 3.在下面的代码中更改图像的名称
• 4.运行代码并检查算法是否正确(1 = cat，0 = non-cat)！

%matplotlib inline## START CODE HERE ##my_image = "my_image.jpg" # change this to the name of your image file my_label_y = [1] # the true class of your image (1 -> cat, 0 -> non-cat)## END CODE HERE ##fname = "images/" + my_imageimage = np.array(ndimage.imread(fname, flatten=False))my_image = scipy.misc.imresize(image, size=(num_px,num_px)).reshape((num_px*num_px*3,1))my_predicted_image = predict(my_image, my_label_y, parameters)plt.imshow(image)print ("y = " + str(np.squeeze(my_predicted_image)) + ", your L-layer model predicts a \"" + classes[int(np.squeeze(my_predicted_image)),].decode("utf-8") +  "\" picture.")

结果：

Accuracy: 1.0y = 1.0, your L-layer model predicts a "cat" picture.

 

转载地址：http://lpuvi.baihongyu.com/