【CV】Faster Rcnn，Kaggle猫狗分类，Caffe_SSD三字码识别

---

1.复写keras_faster rcnn

1.1 解析xml信息

import xml.etree.ElementTree as ET

def parse_label(xml_file):
    #建立一个实例
    tree = ET.parse(xml_file)  # parse解析    
    #建立跟路径
    root = tree.getroot()
    width = root.find('size').find('width').text  # 一张照片这3个量都为1个不变
    height = root.find('size').find('height').text
    image_name = root.find('filename').text    
    #数据列表，一列为一组数据
    category = []
    xmin = []
    ymin = []
    xmax = []
    ymax = []    
    for object in root.findall('object'):  # 因为object有多个
        for x in object.iter('name'):  # name就是category多个
            category.append(x.text)
            xmax.append(object.find('bndbox').find('xmax').text)
            ymax.append(object.find('bndbox').find('ymax').text)
            xmin.append(object.find('bndbox').find('xmin').text)
            ymin.append(object.find('bndbox').find('ymin').text)   
    #列表组合
    ground_truth_box = [list(box) for box in zip(xmin,ymin,xmax,ymax)]
    return image_name,(width,height),category,ground_truth_box

import glob   # 读文件夹也可以：for i in os.dir    glob可以带路径输出
for name in glob.glob('/Users/mikegao/Desktop/Annotation/*'):
    print (parse_label(name),'\n')

或：

import pandas as pd
list_table =[]
for i in range(10,20):
    date = {'name':i+1,"age":i}
    list_table.append(date) # 将data append进去
print (list_table)

# 下面data来自list_table
data_frame = pd.DataFrame(data=list_table,columns=['age','name'])
data_frame.to_csv('321.csv',index=False,mode='a',header=True)

输出的 list_table：

输出的 data_frame：

1.2 Anchor生成

下图box[0]为x，box[1]为y

结果为：（9，256）， 所以有256个centerx(中心点)，每个里面有9个框，256*9=2304

1.3 多输出多输入(函数式)

1.4 resnet

下图stage1里conv和maxpool都会做一次下采样

import keras.layers as KL
from keras.models import Model
import keras.backend as K
import tensorflow as tf
from keras.utils import np_utils
from  keras.utils.vis_utils import plot_model
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import os
%matplotlib inline
from keras.datasets import mnist

#创建resnet网络结构
def building_block(filters,block): #filters数量根据stage会增加，不能写死在网络里
    #判断block1和2
    if block != 0:  # 不=0的话就是block2，枚举
        stride = 1
    else:         #如果等于0 采用stride 2，两倍下采样 也就是 如果是 building1 使用2倍下采样
        stride = 2
   
    def f(x):
        #主路
        y = KL.Conv2D(filters=filters,kernel_size=(1,1),strides=stride)(x)
        # 原文一开始kernel_size=(3,3)，但28*28图卷积没了
        y = KL.BatchNormalization(axis=3)(y) #[-1,28,28,3] axis=3对应下标3即3
        y = KL.Activation('relu')(y)
                      #注意第二层没有stride使用padding same就是保证size相同
        y = KL.Conv2D(filters=filters, kernel_size=(3, 3), padding='same')(y) 
        y = KL.BatchNormalization(axis=3)(y)
        y = KL.Activation('relu')(y)
 
        y = KL.Conv2D(filters=4*filters,kernel_size=(1,1))(y)
        y = KL.BatchNormalization(axis=3)(y)
           
        #副路
        #判断是哪个block 设定不同的 shortcut支路参数
        if block == 0 : #如果是0 那么就是block1的通路
            shortcut = KL.Conv2D(filters=4*filters,kernel_size=(1,1),strides=stride)(x)
            shortcut = KL.BatchNormalization()(shortcut)
        else:
            #如果不等于0 那就是block2  那么就直接接input的tensor
            shortcut = x      
       
        #主通路和副路shortcut 相加
        y = KL.Add()([y,shortcut]) #y主 shortcut支路 直接通过add层相加
        y = KL.Activation('relu')(y)
        return y
    return f

#resnet fp提取
def ResNet_Extractor(X_train, Y_train,X_test,Y_test):
    # 头部，TOP：
    # customize your top input
    input = KL.Input([28,28,1])
    x = KL.Conv2D(filters=64,kernel_size=(3,3),padding='same')(input)
    x = KL.BatchNormalization(axis=3)(x)
    x = KL.Activation('relu')(x)
      
    # 身体，主要部分：控制building_block
    # 每个stage要有不同的 block 12222的数量 ，还有第一个Block1 输入维度后边要迭代（stage）
    filters = 64
    block = [2,2] # stage0里有2个block,stage1里也有2个block
    for i,block_num in enumerate(block):
        print ('---stage--', str(i) ,'---')
        for block_id in range(block_num):
            print('---block--', str(block_id) ,'---')
            x = building_block(filters=filters,block=block_id)(x)
        filters *= 2 #每个stage double filter个数
 # 注意这里的输出就是我们常规的featuremap的输出x，不包含下面尾部
    
    # 尾部，输出：
    x = KL.AveragePooling2D(pool_size=(2, 2))(x)
    x = KL.Flatten()(x)
    x = KL.Dense(units=10, activation='softmax')(x     
      
    # 定义输入输出
    model = Model(inputs=input, outputs=x)
    # 打印网络
    print (model.summary())
    plot_model(model,to_file='resMnist6-9-2.png',show_shapes=True)
    # 编译网络
    model.compile(loss='categorical_crossentropy',
                  optimizer='adam',
                  metrics=['accuracy'])
    history = model.fit(  # 想要打印出来所有做个变量history
        X_train,
        Y_train,
        epochs=6,
        batch_size=200,
        verbose=1,
        validation_data = (X_test,Y_test),
    ) 
    model.save('./mnistRES2.h5')
    
    #打印graph 
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss'])
    plt.title("model loss")
    plt.ylabel("loss")
    plt.xlabel("epoch")
    plt.legend(["train","test"],loc="upper left")
    plt.show()
    
    plt.plot(history.history['acc'])
    plt.plot(history.history['val_acc'])
    plt.title('model accuracy')
    plt.ylabel('accuracy')
    plt.xlabel('epoch')
    plt.legend(['train', 'test'], loc='upper left')
    plt.show()  
    return model
    
def main():
    (X_train,Y_train),(X_test,Y_test) = mnist.load_data()
    print(X_train.shape)
    X_train = X_train.reshape(-1,28,28,1)
    X_test = X_test.reshape(-1,28,28,1)
    print (X_train.shape)
    #-set type into float32 设置成浮点型
    X_train = X_train.astype('float32')  #astype SET AS TYPE into 
    X_test = X_test.astype('float32')
    X_train = X_train/255.0
    X_test /=255.0

    #Class vectors [0,0,0,0,0,0,0,1(7),0,0] #转成二进制
    Y_test = np_utils.to_categorical(Y_test,10) #定义LABEL类数量
    Y_train = np_utils.to_categorical(Y_train,10)
    ResNet_Extractor(X_train, Y_train,X_test,Y_test)

main()

输出：



测试：

from keras.models import load_model
import matplotlib.image as processimage
import matplotlib.pyplot as plt
import numpy as np

model = load_model('mnistRES2.h5')

image = processimage.imread('pred_image/3.jpg')
# plt.imshow(image)
# plt.show()
image_to_array = np.array(image)
image_to_array = image_to_array.reshape(-1,28,28,1)
prediction = model.predict(image_to_array)
Final_prediction = [result.argmax() for result in prediction]
print (Final_prediction,prediction)

1.5 rpn

import keras.layers as KL
from keras.models import Model
import keras.backend as K
import keras
import tensorflow as tf
from keras.utils import plot_model
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
%matplotlib inline

def building_block(filters,block):  
#     import random
#     bn = random.randint(100,300,)
    #判断block1和2
    if block != 0: #如果不等于0 那么使用 stride=1
        stride = 1
    else:         #如果等于0 采用stride 2 两倍下采样 也就是 如果是 building1 使用2倍下采样
        stride = 2

    def f(x):
        #主通路结构
        y = KL.Conv2D(filters=filters,kernel_size=(1,1),strides=stride)(x)
        y = KL.BatchNormalization(axis=3)(y)
        y = KL.Activation('relu')(y)

        y = KL.Conv2D(filters=filters, kernel_size=(3, 3), padding='same')(y) #注意这里没有stride使用padding same就是保证size相同
        y = KL.BatchNormalization(axis=3)(y)
        y = KL.Activation('relu')(y)

        #主通路输出
        y = KL.Conv2D(filters=4*filters,kernel_size=(1,1))(y)
        y = KL.BatchNormalization(axis=3)(y)

        #判断是哪个block 设定不同的 shortcut支路参数
        if block == 0 : #如果是0 那么就是block1的通路
            shortcut = KL.Conv2D(filters=4*filters,kernel_size=(1,1),strides=stride)(x)
            shortcut = KL.BatchNormalization(axis=3)(shortcut)
        else:
            #如果不等于0 那就是block2  那么就直接接input的tensor
            shortcut = x

        #主通路和shortcut 相加
        y = KL.Add()([y,shortcut]) #y主 shortcut支路 直接通过add层相加
        import random
        y = KL.Activation('relu',name='last'+str(random.randint(100,300)))(y)
        return y
    return f

#resnet 主输入函数
def ResNet_Extractor(inputs):
    x = KL.Conv2D(filters=64,kernel_size=(3,3),padding='same')(inputs)
    x = KL.BatchNormalization(axis=3)(x)
    x = KL.Activation('relu')(x)

    #控制调用网络结构feature map 特征图
    #每个stage要有不同的 b12的数量 ，还有 第一个Block1 输入维度后边要迭代（stage）
    filters = 64
    block = [2,2,2]
    for i,block_num in enumerate(block):
        for block_id in range(block_num):
            x = building_block(filters=filters,block=block_id)(x)
        filters *= 2 #每个stage double filter个数
    return x
    
#share map 和 anchor提取
def RpnNet(featuremap, k=9):
    #特征图到共享层，大小没变
    shareMap = KL.Conv2D(filters=256,kernel_size=(3,3),padding='same',name='SSharemap')(featuremap)
    shareMap = KL.Activation('linear')(shareMap)
    
    #计算rpn分类前后景
    rpn_classification = KL.Conv2D(filters=2*k,kernel_size=(1,1))(shareMap)
         #无法reshape上面这个rpn_classification tensor,加个自定义层，tf.reshape(x为目标，[]为格式)
    rpn_classification = KL.Lambda(lambda x:tf.reshape(x,[tf.shape(x)[0],-1,2]))(rpn_classification)
         #上行[0]是取batch，-1是anchor数量每个图大小不一样ancho的r数量也不一样，输出维度2：每个anchor输出是或不是，x就是rpn_classification
    rpn_classification = KL.Activation('linear',name='rpn_classification')(rpn_classification)
         #上面输出前后景，下面还要输出前后景的概率值
    rpn_probability = KL.Activation('softmax',name='rpn_probability')(rpn_classification)
    
    #计算回归修正
    rpn_position = KL.Conv2D(filters=4*k,kernel_size=(1,1))(shareMap)
    rpn_position = KL.Activation('linear')(rpn_position)
    rpn_BoundingBox =KL.Lambda(lambda x:tf.reshape(x,[tf.shape(x)[0],-1,4]),name='rpn_POS')(rpn_position)
    
    return rpn_classification,rpn_probability,rpn_BoundingBox

# x = KL.Input((64,64,3)) 
# featureMap = ResNet_Extractor(x)
# rpn_classification,rpn_probability,rpn_BoundingBox = RpnNet(featureMap,k=9)
# model = Model(inputs = [x],outputs=[rpn_classification,rpn_probability,rpn_BoundingBox])
# model.summary()
# plot_model(model=model,to_file='siezemap test.png',show_shapes=True)

1.5.1 rpn分类loss

def RPNClassLoss(rpn_match,rpn_Cal): #rpn_match原始输入值
    rpn_match = tf.squeeze(rpn_match,axis=-1) #axis=-1指最后一维
                      #tf.where（bool型：T/F）结果为[行，列]
    indices = tf.where(K.not_equal(x=rpn_match,y=0))
    #1=1前景， 0 and -1 = 0后景
    anchor_class =  K.cast(K.equal(rpn_match,1),tf.int32) #return Ture = 1 False = 0 
    
    anchor_class = tf.gather_nd(params=anchor_class ,indices=indices) #这个是我们原始样本结果
    
    rpn_cal_class = tf.gather_nd(params=rpn_Cal,indices=indices) # 这个我们rpn计算值结果
     
     # .sparse解析就不需one—hot了
    loss = K.sparse_categorical_crossentropy(target=anchor_class,output=rpn_cal_class,from_logits=True)
                # if                        then                         else     
    loss = K.switch(condition=tf.size(loss)>0,then_expression=K.mean(loss),else_expression=tf.constant(0.0))
                #>0取平均，<0取0
    return loss

1.5.2 rpn回归loss

#小工具提取
def batch_pack(x,counts,num_rows):
    output = []
    for i in range(num_rows):
        output.append(x[i,:counts[i]])
    return tf.concat(output,axis=0)
    
#位置loss
def RpnBBoxLoss(target_bbox,rpn_match,rpn_bbox):
    rpn_match = tf.squeeze(input=rpn_match,axis=-1)
    indice =  tf.where(K.equal(x = rpn_match,y=1)) #正样本位置
    
    rpn_bbox = tf.gather_nd(params=rpn_bbox,indices=indice) #rpn预测值 找到=1的位置
    
    batch_counts = K.sum(K.cast(K.equal(x = rpn_match,y=1),tf.int32),axis=-1)
    target_bbox = batch_pack(x= target_bbox,counts=batch_counts,num_rows=10)
    
    #loss 计算
    
    diff = K.abs(target_bbox-rpn_bbox)
    less_than_one = K.cast(K.less(x = diff, y=1.0),tf.float32)
    loss = less_than_one * 0.5 * diff**2 + (1 - less_than_one)*(diff-0.5)
    
    loss = K.switch(condition=tf.size(loss)>0,then_expression=K.mean(loss),else_expression=tf.constant(0.0))

    return loss

#确定input
input_image = KL.Input(shape=[64,64,3],dtype=tf.float32)
input_bbox = KL.Input(shape=[None,4],dtype=tf.float32)
input_class_ids = KL.Input(shape = [None],dtype=tf.int32)    # map {'dog':0,'cat':1}
input_rpn_match = KL.Input(shape=[None,1],dtype=tf.int32)
input_rpn_bbox = KL.Input(shape=[None,4],dtype=tf.float32)

#in out put
feature_map = ResNet_Extractor(input_image)
rpn_classification,rpn_probability,rpn_BoundingBox = RpnNet(feature_map,k=9)

loss_rpn_class = KL.Lambda(lambda x:RPNClassLoss(*x),name='classloss')([input_rpn_match,rpn_classification])
loss_rpn_bbox = KL.Lambda(lambda x:RpnBBoxLoss(*x),name='bboxloss')([input_rpn_bbox,input_rpn_match,rpn_BoundingBox])

model = Model(inputs=[input_image,input_bbox,input_class_ids,input_rpn_match,input_rpn_bbox],
              outputs = [rpn_classification,rpn_probability,rpn_BoundingBox,loss_rpn_class,loss_rpn_bbox] )

#自定义loss 输入
loss_layer1 = model.get_layer('classloss').output
loss_layer2 = model.get_layer('bboxloss').output

model.add_loss(tf.reduce_mean(loss_layer1))
model.add_loss(tf.reduce_mean(loss_layer2))

model.compile(loss=[None]*len(model.outputs),
             optimizer=keras.optimizers.SGD(lr=0.00003))

model.summary()

2.kaggle猫狗分类

2.1 数据准备

猫狗图下载：https://www.kaggle.com/c/dogs-vs-cats/data ，原始数据集包含25,000张猫狗图（每个类别12,500个）大小为543MB（压缩后）。Keras己内建好的预训练模型进行图像分类, 包括:VGG16，VGG19，ResNet50，InceptionV3，InceptionResNetV2，Xception，MobileNet

from keras.applications import VGG16
# 实例化一个VGG16模型
conv_base = VGG16(weights='imagenet',
                  include_top=False, # 在这里告诉 keras我们只需要卷积基底的权重模型资讯
                  input_shape=(150, 150, 3)) # 宣告我们要处理的图像大小与颜色通道数

向构造函数传递了三个参数：
1weights, 指定从哪个权重检查点初始化模型
2.include_top, 指定模型最后是否包含密集连接分类器。默认情况下，这个密集连接分类器对应于ImageNet的1000个类别。因为我们打算使用自己的分类器（只有两个类别：cat和dog），所以不用包含。
3.input_shape, 输入到网络中的图像张量（可选参数），如果不传入这个参数，那么网络可以处理任意形状的输入
以下是VGG16“卷积基底conv_base”架构细节：

conv_base.summary() # 打印一下模型资讯

最后这个特征图形状为（4， 4， 512），这个特征上面添加一个密集连接分类器。

2.2 不用数据增强快速特征提取（计算代价低）

运行ImageDataGenerator实例，将图像及其标签提取为Numpy数组，调用conv_base模型的predict方法从这些图像的中提取特征。

#特征提取
import os
import numpy as np
from keras.preprocessing.image import ImageDataGenerator

base_dir = 'data/cats_and_dogs_small'
train_dir = os.path.join(base_dir, 'train')
validation_dir = os.path.join(base_dir, 'validation')
test_dir = os.path.join(base_dir, 'test')

datagen = ImageDataGenerator(rescale=1./255) # 产生一个"图像资料产生器"物件

batch_size = 20 # 设定每次产生的图像的数据批量

# 提取图像特征
def extract_features(directory, sample_count): # 影像的目录, 要处理的图像数
    features = np.zeros(shape=(sample_count, 4, 4, 512)) # 根据VGG16(卷积基底)的最后一层的轮出张量规格
    labels = np.zeros(shape=(sample_count)) # 要处理的图像数
    
    # 产生一个"图像资料产生器"实例(资料是在档案目录中), 每呼叫它一次, 它会吐出特定批次数的图像资料
    generator = datagen.flow_from_directory(
        directory,
        target_size=(150, 150),  # 设定图像的高(height)与宽(width)
        batch_size=batch_size,   # 设定每次产生的图像的数据批量
        class_mode='binary')     # 因为我们的目标资料集只有两类(cat & dog)
    
    # 让我们把训练资料集所有的图像都跑过一次
    i = 0
    for inputs_batch, labels_batch in generator:
        features_batch = conv_base.predict(inputs_batch) # 透过“卷积基底”来提取图像特征
        features[i * batch_size : (i + 1) * batch_size] = features_batch # 把特征先存放起来
        labels[i * batch_size : (i + 1) * batch_size] = labels_batch #把标签先存放起来
        i += 1
        if i * batch_size >= sample_count:
            # Note that since generators yield data indefinitely in a loop,
            # we must `break` after every image has been seen once.
            break    
    print('extract_features complete!')
    return features, labels

train_features, train_labels = extract_features(train_dir, 2000) # 训练资料的图像特征提取
validation_features, validation_labels = extract_features(validation_dir, 1000) # 验证资料的图像特征提取
test_features, test_labels = extract_features(test_dir, 1000) # 测试资料的图像特征淬取

2.2.1 flatten后接分类器

提取的特征当前是（样本数，4，4，512）的形状。我们将它们喂给一个密集连接(densely-connected)的分类器，所以首先我们必须把它们压扁(flatten)成（样本数, 8192）:

train_features = np.reshape(train_features, (2000, 4 * 4 * 512))
validation_features = np.reshape(validation_features, (1000, 4 * 4 * 512))
test_features = np.reshape(test_features, (1000, 4 * 4 * 512))

下面定义一个密集连接分类器，并在刚刚保存好的数据和标签上训练分类器：

from keras import models
from keras import layers
from keras import optimizers
# 产生一个新的密集连接层来做为分类器
model = models.Sequential()
model.add(layers.Dense(256, activation='relu', input_dim=4 * 4 * 512))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(1, activation='sigmoid')) # 因为我的资料集只有两类(cat & dog)
model.compile(optimizer=optimizers.RMSprop(lr=2e-5),
              loss='binary_crossentropy',
              metrics=['acc'])

# 把预处理的卷积基底所提取的特征做为input来进行训练
history = model.fit(train_features, train_labels,
                    epochs=30,
                    batch_size=20,
                    validation_data=(validation_features, validation_labels))

训练速度快，只需要处理两个Dense层。看一下训练过程中的损失和精度曲线：

import matplotlib.pyplot as plt
acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(len(acc))

plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()
plt.figure()

plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()

从图中可以看出，验证精度达到了约90%，比之前从一开始就训练小型模型效果要好很多，但是从图中也可以看出，虽然dropout比率比较大，但模型从一开始就出现了过拟合。这是因为本方法没有使用数据增强，而数据增强对防止小型图片数据集过拟合非常重要。

2.3 用数据增强的特征提取（计算代价高）

这种方法速度更慢，计算代价更高，但是可以在训练期间使用数据增强。这种方法是：扩展conv_base模型，然后在输入数据上端到端的运行模型（这种方法计算代价很高，必须在GPU上运行）

from keras import models
from keras import layers

model = models.Sequential() # 产生一个新的网络模型结构
model.add(conv_base)        # 把预训练的卷积基底叠上去
model.add(layers.Flatten()) # 打平
model.add(layers.Dense(256, activation='relu'))  # 叠上新的密集连接层来做为分类器
model.add(layers.Dense(1, activation='sigmoid')) # 因为我的资料集只有两类(cat & dog)
model.summary()

VGG16的“卷积基底”有14,714,688个参数，非常大。上面添加的分类器有200万个参数。在编译和训练模型之前，需要冻结卷积基。冻结一个或多个层是指在训练过程中保持其权重不变（如果不这么做，那么卷积基之前学到的表示将会在训练过程中被修改）。因为其上添加的Dense是随机初始化的，所以非常大的权重更新会在网络中进行传播，对之前学到的表示造成很大破坏。在Keras中，冻结网络的方法是将其trainable属性设置为False：

# 看一下“冻结前”有多少可以被训练的权重
print('This is the number of trainable weights '
      'before freezing the conv base:', len(model.trainable_weights))

# “冻结”卷积基底
conv_base.trainable = False

# 再看一下“冻结后”有多少可以被训练的权重
print('This is the number of trainable weights '
      'after freezing the conv base:', len(model.trainable_weights))

2.3.1 冻结后用数据增强训练

如此设置之后，只有添加的两个Dense层的权重才会被训练，总共有4个权重张量，每层2个（主权重矩阵和偏置向量），注意的是，如果想修改权重属性trainable，那么应该修改好属性之后再编译模型。下面，我们可以训练模型了，并使用数据增强的办法：

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(
      rescale=1./255,
      rotation_range=40,
      width_shift_range=0.2,
      height_shift_range=0.2,
      shear_range=0.2,
      zoom_range=0.2,
      horizontal_flip=True,
      fill_mode='nearest')

# 请注意: 验证测试用的资料不要进行资料的增强
test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        # 图像资料的目录
        train_dir,
        # 设定图像的高(height)与宽(width)
        target_size=(150, 150),
        batch_size=20,
        # 因为我们的目标资料集只有两类(cat & dog)
        class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
        validation_dir,
        target_size=(150, 150),
        batch_size=20,
        class_mode='binary')

model.compile(loss='binary_crossentropy',
              optimizer=optimizers.RMSprop(lr=2e-5),
              metrics=['acc'])

history = model.fit_generator(
      train_generator,
      steps_per_epoch=100,
      epochs=30,
      validation_data=validation_generator,
      validation_steps=50,
      verbose=2)

model.save('cats_and_dogs_small_3.h5') # 把模型储存到档案

acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(len(acc))

plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()
plt.figure()

plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()

验证精度到了将近96%，而且减少了过拟合（在训练集上好，验证测试集上差）

2.4 微调模型

以上0和1都属于特征提取，下面使用模型微调进一步提高模型性能，步骤如下：
（1）在已经训练好的基网络（base network）上添加自定义网络
（2）冻结基网络
（3）训练所添加的部分
（4）解冻基网络的一些层
（5）联合训练解冻的这些层和添加的部分
在做特征提取的时候已经完成了前三个步骤。我们继续第四个步骤，先解冻conv_base，然后冻结其中的部分层。

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 150, 150, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 150, 150, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 150, 150, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 75, 75, 64)        0         
_________________________________________________________________
block2_conv1 (Conv2D)        (None, 75, 75, 128)       73856     
_________________________________________________________________
block2_conv2 (Conv2D)        (None, 75, 75, 128)       147584    
_________________________________________________________________
block2_pool (MaxPooling2D)   (None, 37, 37, 128)       0         
_________________________________________________________________
block3_conv1 (Conv2D)        (None, 37, 37, 256)       295168    
_________________________________________________________________
block3_conv2 (Conv2D)        (None, 37, 37, 256)       590080    
_________________________________________________________________
block3_conv3 (Conv2D)        (None, 37, 37, 256)       590080    
_________________________________________________________________
block3_pool (MaxPooling2D)   (None, 18, 18, 256)       0         
_________________________________________________________________
block4_conv1 (Conv2D)        (None, 18, 18, 512)       1180160   
_________________________________________________________________
block4_conv2 (Conv2D)        (None, 18, 18, 512)       2359808   
_________________________________________________________________
block4_conv3 (Conv2D)        (None, 18, 18, 512)       2359808   
_________________________________________________________________
block4_pool (MaxPooling2D)   (None, 9, 9, 512)         0         
_________________________________________________________________
block5_conv1 (Conv2D)        (None, 9, 9, 512)         2359808   
_________________________________________________________________
block5_conv2 (Conv2D)        (None, 9, 9, 512)         2359808   
_________________________________________________________________
block5_conv3 (Conv2D)        (None, 9, 9, 512)         2359808   
_________________________________________________________________
block5_pool (MaxPooling2D)   (None, 4, 4, 512)         0         
=================================================================
Total params: 14,714,688
Trainable params: 14,714,688
Non-trainable params: 0

回顾这些层，我们将微调最后三个卷积层，直到block4_pool之前所有层都应该被冻结，后面三层来进行训练。为什么不调整更多层? 为什么不调整整个“卷积基底”？ 我们可以，但是我们需要考虑：
1. “卷积基底”较前面的神经层所学习到的特征表示更加通用(generic)，更具有可重复使用的特征，而较高层次的特征表示则聚焦独特的特征。微调这些聚焦独特的特征的神经层则更为有用。
2. 我们训练的参数越多，我们越有可能的过拟合(overfitting)。VGG16的“卷积基底”具有1千5百万的参数，因此尝试在小数据集上进行训练是有风险的。

conv_base.trainable = True # 解冻 "卷积基底"

# 所有层直到block4_pool都应该被冻结，而 block5_conv1，block5_conv2, block5_conv3 及 block5_pool则被解冻        
layers_frozen = ['block5_conv1','block5_conv2', 'block5_conv3', 'block5_pool']
for layer in conv_base.layers:
    if layer.name in layers_frozen:
        layer.trainable = True
    else:
        layer.trainable = False
        
# 把每一层是否可以被"trainable"的flat打印出来
for layer in conv_base.layers:
    print("{}: {}".format(layer.name, layer.trainable))      

2.4.1 微调并保存模型

现在可微调网络了，我们将使用学习率非常小的RMSProp优化器来实现。之所以让学习率很小，是因为对于微调网络的三层表示，我们希望其变化范围不要太大，太大的权重可能会破坏这些表示。

model.compile(loss='binary_crossentropy',
              optimizer=optimizers.RMSprop(lr=1e-5), # 使用小的learn rate
              metrics=['acc'])

history = model.fit_generator(
      train_generator,
      steps_per_epoch=100,
      epochs=100,
      validation_data=validation_generator,
      validation_steps=50)

model.save('cats_and_dogs_small_4.h5')

acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(len(acc))

plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()
plt.figure()

plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()

这些曲线看起来包含噪音。为了让图像更具有可读性，可以让每个损失和精度替换为指数移动平均，从而让曲线变得更加平滑，下面用一个简单实用函数来实现：

def smooth_curve(points, factor=0.8):
  smoothed_points = []
  for point in points:
    if smoothed_points:
      previous = smoothed_points[-1]
      smoothed_points.append(previous * factor + point * (1 - factor))
    else:
      smoothed_points.append(point)
  return smoothed_points
plt.plot(epochs,
         smooth_curve(acc), 'bo', label='Smoothed training acc')
plt.plot(epochs,
         smooth_curve(val_acc), 'b', label='Smoothed validation acc')
plt.title('Training and validation accuracy')
plt.legend()
plt.figure()

plt.plot(epochs,
         smooth_curve(loss), 'bo', label='Smoothed training loss')
plt.plot(epochs,
         smooth_curve(val_loss), 'b', label='Smoothed validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()

通过指数移动平均，验证曲线变得更清楚了。精度提高了1%，约从96%提高到了97%。
在测试数据上最终评估这个模型：

test_generator = test_datagen.flow_from_directory(
        test_dir,
        target_size=(150, 150),
        batch_size=20,
        class_mode='binary')

test_loss, test_acc = model.evaluate_generator(test_generator, steps=50)
print('test acc:', test_acc)

得到了差不多97%的测试精度，在关于这个数据集的原始Kaggle竞赛中，这个结果是最佳结果之一。我们只是用了一小部分训练数据（约10%）就得到了这个结果。训练20000个样本和训练2000个样本还是有很大差别的。

3.Caffe_SSD三字码识别

3.1 check List

1.检查 CUDA nvcc -V环境是否安装正常 如果不正常则去安装 NVIDIA ，CUDA ，CUDNN （版本搭配）

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243

由于Python2 即将落幕 所以我们这次在Ubuntu18.04 自带的 python3.6上进行
2.sudo ldconfig 检查是否有软连接没有生效

3.2 正式安装

1.依赖解决：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
 
sudo apt-get install --no-install-recommends libboost-all-dev
 
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
 
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
 
sudo apt-get install git cmake build-essential

从源代码编译Opencv，进入官网 : http://opencv.org/releases.html , 下载 3.x系列 解压到你要安装的位置，命令行进入已解压的文件夹

mkdir build # 创建编译的文件目录
 
cd build
 
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
 
make -j8  #编译  注意自己的核数

在执行 make -j8 命令编译到 92% 时可能会出现以下错误，是由于opecv3.1与cuda8.0不兼容导致的。解决办法：修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容，如图：

编译成功后安装：sudo make install
安装完成后通过查看 opencv 版本验证是否安装成功：pkg-config --modversion opencv

2.安装caffe-SSD

git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd

再次检查依赖

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3.修改Makefile.config文件,复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。

cp Makefile.config.example Makefile.config
sudo vim Makefile.config

应用 cudnn

将第5行的 # 取消
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

应用 opencv 版本

将第21行的 # 取消
#OPENCV_VERSION := 3 
修改为： 
OPENCV_VERSION := 3

使用 python 接口

将第89行的 # 取消
#WITH_PYTHON_LAYER := 1 
修改为 
WITH_PYTHON_LAYER := 1

修改 python 路径

将 92/93行的 代码修改如下  
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改为： 
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial       

注释Python2 切换python3
代码修改如下 否则会编译Python.h and numpy/arrayobject.h. 出错

将 67/68行的   实际行数稍微有些出路可能 
 PYTHON_INCLUDE := /usr/include/python2.7 \
                  /usr/lib/python2.7/dist-packages/numpy/core/include
修改为： 
 # PYTHON_INCLUDE := /usr/include/python2.7 \
 #                 /usr/lib/python2.7/dist-packages/numpy/core/include 
 
 将77/78 行的 注释解除  并更新  为Python3.6  实际行数稍微有些出路可能 
  # PYTHON_LIBRARIES := boost_python3 python3.5m
 # PYTHON_INCLUDE := /usr/include/python3.5m \
 #                 /usr/lib/python3.5/dist-packages/numpy/core/include
  PYTHON_LIBRARIES := boost_python3 python3.6m
  PYTHON_INCLUDE := /usr/include/python3.6m \
                   /usr/lib/python3.6/dist-packages/numpy/core/include

如果最后提示不支持compute_20,就把这句删掉，最后效果是
nvcc fatal : Unsupported gpu architecture ‘compute_20’
Makefile:588: recipe for target ‘.build_release/cuda/src/caffe/solvers/sgd_solver.o’ failed
make: *** [.build_release/cuda/src/caffe/solvers/sgd_solver.o] Error 1
make: *** Waiting for unfinished jobs…

建议显卡直接改成如下:
CUDA_ARCH := -gencode arch=compute_30,code=sm_30
-gencode arch=compute_35,code=sm_35
-gencode arch=compute_50,code=sm_50
-gencode arch=compute_52,code=sm_52
-gencode arch=compute_60,code=sm_60
-gencode arch=compute_61,code=sm_61
-gencode arch=compute_61,code=compute_61

然后修改caffe 目录下的 Makefile 文件： 注意不是Makefile.config文件

sudo vim Makefile
将第409行 替换为如下  
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
将：181行替换为如下
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

将：265行 替换如下（我的环境太新除了这个问题【可选项】当你出现了
.build_release/lib/libcaffe.so: undefined reference to `boost::re_detail_106501::put_mem_block(void*)'）

LIBRARIES += boost_thread stdc++
改为：
LIBRARIES += boost_thread stdc++ boost_regex

4.下载python 环境依赖包　:
去到caffe根目录中的python目录中运行 …/caffe/python
5.设置系统python环境 在末尾添加环境变量

vim ~/.bashrc
export PYTHONPATH="/opt/build/caffe/python"   # 此处为caffe 的rootdir 目录
source ~/.bashrc

6.编译caffe保存 开始编译，在 caffe 目录下执行 如果出错 建议修改完毕使用 make clean 继续Try

make all -j32  代表几核并行编译 请与自己电脑量力而行 后续将不再重复声明哇 
make test -j32
make pycaffe
make runtest　-j32

“/ usr / bin / ld：在Caffe编译中找不到-lopenblas”错误
即使在克隆OpenBlas之后包括基本包，并且将在14.04和16中链接相应的库。
apt install liblapack-dev liblapack3 libopenblas-base libopenblas-dev
apt install liblapack-dev liblapack3 libopenblas-base libopenblas-dev
到此 安装caffe 结束
7.更改caffe 源码: https://blog.csdn.net/sinat_14916279/article/details/56489601



安装参考：https://blog.csdn.net/lukaslong/article/details/81390276