2.3. 卷积神经网络(CNN)实战(基础)：猫狗照片二分类

本文承接 2.2. 卷积神经网络(CNN)模型理论(进阶)：图像填充、LeNet、AlexNet，没看过的建议先看前文。

2.3.1. 准备工作

请在终端输入指令以下载和安装：

pip install keras tensorflow

我们的任务是对猫狗进行二分类，会使用到猫狗的照片，这里我们使用Kaggle数据集，各位可以到 kaggle数据集、mnist数据集、imdb数据集分享 这个帖子中找到下载链接，下载好后要先解压。在train文件夹中，创建cat和dog两个文件夹，把猫的照片放到cat中，把狗的照片放到dog中，最后的路径应该长这样：

.\train
	\train
		\dog
			\dog.0.jpg
			\dog.1.jpg
			\dog.2.jpg
			...
		\cat
			\cat.0.jpg
			\cat.1.jpg
			\cat.2.jpg
			...

把train文件夹直接拖入Python项目文件夹中即可。

2.3.2. 整体架构

以下是我们的卷积神经网络整体模型：

1. 输入层：

• 输入尺寸为 50 × 50 × 3，表示输入图像为 50×50 像素，并具有 3 个通道（RGB 彩色图像）。

2. 第一层卷积（Conv Layer 1）：

• 使用 32 个 3×3 卷积核，步长 (stride) = 1。
• 这一层提取低级特征，如边缘、纹理等。
• 卷积层采用ReLU函数

3. 第一层池化（Max Pooling 1）：

• 池化核大小 2×2，步长 = 2（Keras 默认：步长等于 pool_size）。
• 通过最大池化减少特征图的尺寸，提高计算效率，并增强特征的鲁棒性。

4. 第二层卷积（Conv Layer 2）：

• 再次使用 32 个 3×3 卷积核，步长 = 1。
• 继续提取更高级的特征，如轮廓、形状等。
• 卷积层采用ReLU函数

5. 第二层池化（Max Pooling 2）：

• 池化核大小 2×2，步长 = 2。
• 进一步降低特征图的尺寸，减少计算量。

6. Flatten 层：

• 经过两次卷积和池化后，特征图被展平成一维向量，以便输入到全连接层。

7. 全连接层（Fully Connected, FC）：

• 经过一个 128 维的全连接层，用于学习最终的分类决策。

8. 输出层：

• 最终输出是一个 单神经元，表示二分类问题（猫或狗）。
• 输出 0 表示猫，输出 1 表示狗。

2.3.3. 敲代码

Step 1: 加载图片与预处理

# 图片加载与预处理  
from keras.preprocessing.image import ImageDataGenerator  
  
train_datagen = ImageDataGenerator(rescale=1./255)  
training_set = train_datagen.flow_from_directory('.\\train\\train',  
                                                 target_size=(50, 50),  
                                                 batch_size=128,  
                                                 class_mode='binary')

• ImageDataGenerator 是一个用于图片数据增强和预处理的工具，它能够通过一系列的数据变换（如旋转、平移、缩放等）生成更丰富的训练数据，从而提高深度学习模型的泛化能力。

• train_datagen 是一个 ImageDataGenerator 的实例：

  • rescale=1./255 是对图片像素值进行缩放处理。原始图片的像素值通常在范围 [0, 255] 之间。通过设置这个参数，将像素值归一化到 [0, 1] 区间以便于更快收敛和更稳定的训练。
  • ImageDataGenerator的参数不止这些，还可以进行缩放、平移、旋转等…

• 通过调用 flow_from_directory() 方法，从指定的目录中加载图片数据并准备训练数据集：

  • target_size 参数指定图片在加载时的目标尺寸。这个参数会将所有图片调整为一致的大小（在这里是 50x50 像素）。
  • batch_size 参数指定每次从生成器中加载的图片批量大小：在深度学习中，训练数据通常会分成若干批次 (batch)，这个参数定义了每一批次中包含的图片数量。在这里，batch_size=128表示生成器每次会生成 128 张图片数据以及对应的标签。较大的batch_size通常意味着更高的训练效率。但是如果你的显存太小，你也可以适当减小（32是一个很不错的配置），但会导致收敛不稳定的问题。
  • class_mode 参数设定为'binary'，表示这是一个二分类问题，生成的标签会是二值化的（即 0 或 1）。如果设定为'categorical': 用于多分类问题，标签会使用one-hot编码，例如 [1, 0, 0] 表示属于第一类。如果设定为'sparse': 类似于 'categorical'，但标签是整数值，而不是 one-hot 编码，比如 0、1、2。如果设定为None: 表示不返回标签，通常用于无监督学习或者预测（Inference）阶段。

注意，上面的路径写法是Windows下的。如果你在MacOS/Linux，请使用./train/train。

Step 2: 建立CNN模型

根据上图的架构我们来建立CNN模型：

# 建立模型  
from keras.models import Sequential  
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense  
  
model = Sequential()  
# 卷积层  
model.add(Conv2D(32, (3,3), input_shape=(50,50,3), activation='relu'))  
# 池化层  
model.add(MaxPooling2D(pool_size=(2,2)))

卷积层 (Conv2D) 的参数说明：

• 32（filters）:
  • 表示这一层使用了 32 个卷积核（filter）。
  • 每个卷积核会提取不同的特征，因此提取的特征图数量与卷积核的数量相同。最终输出为 32 个特征图。
• (3, 3):
  • 指定卷积核的大小为 3x3 像素（通常取小值，如 (3, 3) 或 (5, 5)）。
  • 卷积核会在输入图片上滑动，提取局部特征。
• input_shape=(50,50,3):
  • 表示输入数据的形状：50x50 是图片的分辨率（宽、高）。3 是通道数，通常图片有 3 个颜色通道（RGB）。这是 CNN 的输入要求，你在数据预处理时必须确保图片数据符合该形状。
• activation='relu':激活函数使用了 ReLU（Rectified Linear Unit），它将负值变为 0，而正值保持不变。

池化层 (MaxPooling2D) 的参数说明：

• pool_size=(2,2):
  • 指定池化操作的窗口大小为 2x2 像素。
  • 具体操作：在每个 2x2 的窗口中，保留最大值（即 Max Pooling），丢弃其他值。
  • 池化会将图片的宽和高各缩小一半。在 valid 填充下，第一层卷积输出大小是 48x48，经过池化后就变成 24x24。

到目前为止只写到了第一个卷积+池化层，我们继续写第二个卷积+池化层：

# 第二个卷积+池化层  
model.add(Conv2D(32, (3,3), activation='relu'))  
model.add(MaxPooling2D(pool_size=(2,2)))

• 这里的Conv2D不需要input_shape参数是因为代码会自己推断出上一层的输出的是什么大小

至此我们对图像的特征提取操作就完成了，接下来我们把特征展开到一维以供MLP模型接收：

# flatten层  
model.add(Flatten())

然后我们来写MLP模型的架构（两层全连接，隐藏层有128个神经元，输出层就1个神经元用于二分类）：

# 全连接层  
model.add(Dense(units=128, activation='relu'))  
model.add(Dense(units=1, activation='sigmoid'))

Step 3: 训练模型

接下来的操作和单使用MLP模型时的操作一样，进行训练核心参数配置：

# 配置训练  
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])  
  
# 查看结构  
model.summary()

• compile 是 Keras 模型的方法，用于在训练模型之前配置模型的学习过程，它的主要参数有：

  • 损失函数（loss）：定义模型训练时计算误差的方法。
  • 优化器（optimizer）：决定模型的参数（如权重和偏置）如何更新，以最小化损失函数。
  • 评估指标（metrics）：决定用于评估模型性能的指标，这些指标不会影响模型训练，只用于衡量效果。

• loss='binary_crossentropy'：binary_crossentropy（二元交叉熵）是二分类任务中常用的损失函数

• optimizer='adam'：adam（Adaptive Moment Estimation）是一种自适应学习率优化算法，是深度学习中最常用的优化器之一

• metrics=['accuracy']：指定模型在训练和评估时用准确率来衡量性能

输出：

Model: "sequential"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
│ conv2d (Conv2D)                 │ (None, 48, 48, 32)     │           896 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ max_pooling2d (MaxPooling2D)    │ (None, 24, 24, 32)     │             0 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ conv2d_1 (Conv2D)               │ (None, 22, 22, 32)     │         9,248 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ max_pooling2d_1 (MaxPooling2D)  │ (None, 11, 11, 32)     │             0 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ flatten (Flatten)               │ (None, 3872)           │             0 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ dense (Dense)                   │ (None, 128)            │       495,744 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ dense_1 (Dense)                 │ (None, 1)              │           129 │
└─────────────────────────────────┴────────────────────────┴───────────────┘
 Total params: 506,017 (1.93 MB)
 Trainable params: 506,017 (1.93 MB)
 Non-trainable params: 0 (0.00 B)

接着把数据喂给模型即可：

# 训练模型  
model.fit(training_set, epochs=25)

• epochs确定模型的迭代次数

Step 4: 评估模型

我们来看看它对训练数据的预测准确率：

# 计算模型预测准确率  
accuracy_train = model.evaluate(x=training_set)  
print("\nAccuracy on training set: ", accuracy_train[1])

输出：

Accuracy on training set: 0.9990400075912476

可以看到正确率是非常高的。