目錄
一、完成keras環境搭建
安裝和配置環境的過程請參考如下的博客，https://blog.csdn.net/Super_jm_/article/details/78397074
1. 安裝CUDA
下載網址：https://developer.nvidia.com/cuda-downloads （注意：Ubuntu下載請務必下載runfile文件，如下圖1示）
驗證安裝成功：使用nvcc --version命令
2. 安裝cuDNN
關於cuDNN的介紹，它是用於神經網絡的GPU加速器；
更多具體的介紹參考鏈接，https://blog.csdn.net/fangjin_kl/article/details/53906874
3. 安裝Anaconda
下載鏈接，https://repo.continuum.io/archive/
4. 安裝Tensorflow
安裝教程，https://www.oschina.net/translate/how-to-install-and-use-tensorflow-on-ubuntu-16-04
如何判定版本，https://blog.csdn.net/chineseqsc/article/details/80259775
如何知道GPU是否運行計算過程，https://blog.csdn.net/castle_cc/article/details/78389082
5. 安裝Keras
安裝命令，sudo pip install keras
如何判定版本，https://blog.csdn.net/chineseqsc/article/details/80259775
6. 安裝OpenCV
安裝命令，sudo pip3 installopencv-python，具體可參考
https://www.cnblogs.com/freshmen/p/7272393.html
二、交通標誌分類項目
1. 簡介
從一堆交通標誌數據集（有62類的數據，如下圖2，其中每類數據格式如下圖3所示）裏面，完成分類訓練，並實現輸入一張交通標誌照片給出分類結果和精確概率。
詳細項目情況，請看鏈接
https://www.cnblogs.com/skyfsm/p/8051705.html
2. 神經網絡框架
主要是採用了LeNet-5的結構，一共7層，如下圖4所示，它是YannLeCun教授於1998年提出的第一個成功用於手寫數字識別的卷積神經網絡。
詳細關於此網絡介紹，請查看
https://blog.csdn.net/xjy104165/article/details/78218057 和 https://blog.csdn.net/kaido0/article/details/53161684
3. 項目代碼
代碼結構如下所示，第一個文件keras_image_classifer爲代碼，第二個文件traffic-sign爲數據集，如下圖5所示；其中keras_image_classifer中包含的文件如下圖6，net文件裏存放的是LeNet網絡的keras實現代碼（如圖8所示），traffic-sign-code文件放的是訓練數據的代碼和預測數據的代碼（如圖8所示）；最後是文件traffic-sign放的是數據集（如圖7），裏面內容如之前的圖2和圖3所示。
項目代碼請下載，https://github.com/AstarLight/Keras-image-classifer-framework
4. 研讀代碼
（1）分析lenet.py代碼
主要分爲三個部分（如下圖9所示）
第一部分引入各種需要的包依賴，Sequential是用來建立時間序列模型的（是構建神經網絡的二種常用方法之一），Conv2D是二維卷積層，對二維輸入窗進行滑動窗卷積，MaxPooling2D指的是最大空間池化，從糾正特徵映射中取出窗口最大的元素，Activation指的是激活層，對一個層施加激活函數，Flatten用來將輸入壓平，即把多維數據一維化，多用在卷積層到全連接層的過度，Dense指的是全連接層，對上一層的神經元進行全部連接，實現特徵的非線性化組合，backend指的是後端字段，用來選擇後端引擎，配置方法是打開路徑~/.keras/keras.json，更改裏面的image_data_format字段值（後端介紹，https://keras-cn.readthedocs.io/en/latest/backend/）；
第二部分是模型初始化，主要處理輸入圖像的格式；
model = Sequential()，是用來構建序列模型的；
要提供輸入的模式（默認的情況是圖像寬度、圖像高度、圖像通道數），若image_data_format是字符串channels_first，則說明輸入模式是圖像通道數、圖像寬度、圖像高度；
第三部分是通過model構建LeNet-5各層結構。
第一層網絡結構，採用之前建立的序列模型model的add方法實現。Conv2D(20,(5, 5), padding=“same”, input_shape=inputShape))，其中20指的是卷積核個數，卷積核大小是5*5的矩陣，採用的是填充模式same，保留邊界處的卷積結果，使得卷積後的結果和原圖像一樣大小，具體的卷積計算過程如下圖10所示，輸入模式同初始化。
model.add(Activation(“relu”))，爲第一層增加激活函數層；
第二層網絡結構是最大池化層，MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))，其中pool_size參數的意思是代表垂直和水平兩個方向的下采樣因子，（2, 2）的意思是使圖像在兩個方向上均變爲原長的一半；strides表示步長的意思，（2, 2）代表在兩個方向上步長都是2；最大池化的過程見下圖11所示；
第三層網絡卷積層和第四層池化層都和之前的一樣；
第五層是壓平層，將多維的輸入轉爲一維輸出；
第六層Dense(500)的意思指的是全連接層，500代表輸出的維度；
第七層Dense(classes)中classes指的是輸出分類的個數，即最後得到的分類結果，激活函數採用的是softmax
（softmax的分類過程，https://www.jianshu.com/p/ffa51250ba2e，如下圖12所示）
（2）分析train.py代碼
主要分爲六個部分（如下圖13、14、15所示）
第一部分是導入包依賴部分，matplotlib是python的一個2D繪圖庫，如果想保存圖像但是不想把圖像打印出來，可以使用matplotlib.use(“Agg”)，其中Agg是保存爲png格式圖片；
詳情http://blog.sina.com.cn/s/blog_836db8100102wlao.html，注意一定再導入pylab或pyplot包之前進行。 第二部分是parameter和argument的區別，https://zhidao.baidu.com/question/2116957332636950747.html
第三部分是參數設置，其中epochs指的是，1e-3的意思是0.001，CLASS_NUM是分類數量，norm_size是歸一化圖像大小；
第四部分是加載圖像數據，又分爲四個子部分，讀取圖像路徑、讀入圖像內容、歸一化處理、標籤向量化；
讀取圖像路徑中，常用的函數解釋如下
random.seed()方法，https://blog.csdn.net/qq_36142336/article/details/78797190
shuffle() 函數，將序列中所有元素隨機排列，http://www.runoob.com/python/func-number-shuffle.html
cv2.imread()，https://blog.csdn.net/weixin_39943271/article/details/79086131
os.path.sep，http://blog.sina.com.cn/s/blog_5dd2af0901012r86.html
第五部分是訓練數據過程，
第六部分是訓練函數開始入口，
（3）分析predict.py代碼
主要分爲三個部分（如下圖16所示）
第一部分是導入各種包依賴，
第二部分是命令行處理程序，
第三部分預測圖像類別過程，又分爲三個子部分。
圖片與數組的轉化，image_to_array，https://blog.csdn.net/code_better/article/details/53242943
ImageDataGenerator，https://www.cnblogs.com/touch-skyer/p/8603751.html
kerasmodel.compile，https://www.cnblogs.com/smuxiaolei/p/8662177.html
fit_generator，http://keras-cn.readthedocs.io/en/latest/models/sequential/
batch與epoch以及iterations的區別，https://blog.csdn.net/chancein007/article/details/73822955
5. 上傳代碼
Scp指令本地上傳服務器，https://www.cnblogs.com/zhaofeng555/p/8075279.html
上傳出現not aregular file 解決方案，記得加上-r，可參看鏈接
https://blog.csdn.net/sdujava2011/article/details/47283949
6. 運行代碼
注意：Python多版本的啓動，python、python2、python3，sudopython，sudo python2，sudopython3
系統缺少相應的模塊請按如下教程安裝，
Installingimutils in ubuntu，https://stackoverflow.com/questions/36579781/installing-imutils-in-ubuntu
Matplotlib，https://blog.csdn.net/yato0514/article/details/78754551
Keras.preprocessing.image，https://github.com/keras-team/keras/issues/692
Nomodule namedtensorflow，
Nomodule named’sklearn.model_selection’，http://blog.51cto.com/emily18/2087973
Nomodule named cv2，
在某.py文件中調用其他.py內的函數，https://blog.csdn.net/winycg/article/details/78512300
7. 運行結果
輸入要查詢的圖像，會返回該圖像的類別以及準確率，分別如下圖18、19所示；
