3

我目前正在尝试使用预训练的网络并在此数据集上进行测试。最初，我使用 VGG19，只微调了最后的分类器以适应我的 120 个类。我让所有层都可训练，以通过更深入的训练来提高性能。问题是模型非常慢（即使我让它运行一个晚上，我也只有几个 epoch 并且达到了大约 45% 的准确度——我有一个 GPU GTX 1070）。

然后，我的想法是冻结这个模型的所有层，因为我只有 10k 图像并且只训练最后几个密集层，但它仍然不是很快。

看完这个视频（大约 2 分 30 秒）后，我决定用 InceptionResnetv2 复制 Transfer-Values 的原理。

我处理了每张图片，并使用以下代码将输出保存在一个 numpy 矩阵中。

# Loading pre-trained Model + freeze layers
model = applications.inception_resnet_v2.InceptionResNetV2(
        include_top=False, 
        weights='imagenet', 
        pooling='avg')

for layer in model.layers:
    layer.trainable = False

# Extraction of features and saving
a = True
for filename in glob.glob('train/resized/*.jpg'):
    name_img = os.path.basename(filename)[:-4]
    class_ = label[label["id"] == name_img]["breed"].values[0]
    input_img = np.expand_dims(np.array(Image.open(filename)), 0)
    pred = model.predict(input_img)
    if a:
        X = np.array(pred)
        y = np.array(class_)
        a = False
    else:
        X = np.vstack((X, np.array(pred)))
        y = np.vstack((y, class_))

np.savez_compressed('preprocessed.npz', X=X, y=y)

X 是形状为 (10222, 1536) 的矩阵，y 是 (10222, 1)。

之后，我设计了我的分类器（几个拓扑），我不知道为什么它不能执行任何学习。

# Just to One-Hot-Encode labels properly to (10222, 120)
label_binarizer = sklearn.preprocessing.LabelBinarizer()
y = label_binarizer.fit_transform(y)

model = Sequential()
model.add(Dense(512, input_dim=X.shape[1]))
# model.add(Dense(2048, activation="relu"))
# model.add(Dropout(0.5))
# model.add(Dense(256))
model.add(Dense(120, activation='softmax'))

model.compile(
    loss = "categorical_crossentropy", 
    optimizer = "Nadam", # I tried several ones
    metrics=["accuracy"]
)

model.fit(X, y, epochs=100, batch_size=64, 
          callbacks=[early_stop], verbose=1, 
          shuffle=True, validation_split=0.10)

您可以在下面找到模型的输出：

Train on 9199 samples, validate on 1023 samples
Epoch 1/100
9199/9199 [==============================] - 2s 185us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137
Epoch 2/100
9199/9199 [==============================] - 1s 100us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137
Epoch 3/100
9199/9199 [==============================] - 1s 98us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137
Epoch 4/100
9199/9199 [==============================] - 1s 96us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137
Epoch 5/100
9199/9199 [==============================] - 1s 99us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137
Epoch 6/100
9199/9199 [==============================] - 1s 96us/step - loss: 15.9639 - acc: 0.0096 - val_loss: 15.8975 - val_acc: 0.0137

我尝试更改拓扑、激活函数、添加 dropout，但没有任何改进。

我不知道我这样做的方式有什么问题。X 矩阵不正确吗？是否允许仅将预训练模型用作特征提取器，然后使用第二个模型执行分类？

非常感谢您的反馈，问候，尼古拉斯

4

1 回答 1

2

preprocess_input在将图像数组提供给模型之前，您需要调用。它将 [0, 255] 的值标准化input_img为 [-1, 1]，这是 的所需输入范围InceptionResNetV2。

input_img = np.expand_dims(np.array(Image.open(filename)), 0)
input_img = applications.inception_resnet_v2.preprocess_input(input_img.astype('float32'))
pred = model.predict(input_img)
于 2017-12-14T02:41:23.537 回答