1. 導入keras

from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

2. Conv2D

構(gòu)建卷積層。用于從輸入的高維數(shù)組中提取特征。卷積層的每個過濾器就是一個特征映射，用于提取某一個特征，過濾器的數(shù)量決定了卷積層輸出特征個數(shù)，或者輸出深度。因此，圖片等高維數(shù)據(jù)每經(jīng)過一個卷積層，深度都會增加，并且等于過濾器的數(shù)量。

Conv2D(filters, kernel_size, strides, padding, activation=‘relu’, input_shape)

• filters: 過濾器數(shù)量
• kernel_size: 指定（方形）卷積窗口的高和寬的數(shù)字
• strides: 卷積步長, 默認為 1
• padding: 卷積如何處理邊緣。選項包括 ‘valid’ 和 ‘same’。默認為 ‘valid’
• activation: 激活函數(shù)，通常設(shè)為 relu。如果未指定任何值，則不應(yīng)用任何激活函數(shù)。強烈建議你向網(wǎng)絡(luò)中的每個卷積層添加一個 ReLU 激活函數(shù)
• input_shape: 指定輸入層的高度，寬度和深度的元組。當卷積層作為模型第一層時，必須提供此參數(shù)，否則不需要

示例1：構(gòu)建一個CNN，輸入層接受的是 $200\times 200$ 像素的灰度圖片；輸入層后面是卷積層，具有 16 個過濾器，寬高分別為 2；在進行卷積操作時，我希望過濾器每次跳轉(zhuǎn) 2 個像素。并且，不希望過濾器超出圖片界限之外，就是說，不用0填充圖片。

Conv2D(filters=16, kernel_size=2, strides=2, activation='relu', input_shape=(200, 200, 1))

示例2：在示例1卷積層后再增加一層卷積層。新的卷積層有 32 個過濾器，每個的寬高都是 3。在進行卷積操作時，希望過濾器每次移動1個像素。并且希望卷積層查看上一層級的所有區(qū)域，因此，不介意在進行卷積操作時是否超過上一層級的邊緣。

Conv2D(filters=32, kernel_size=3, padding='same', activation='relu')

示例3：簡化寫法。創(chuàng)建具有 64 個過濾器，每個的過濾器大小是 $2\times 2$。層級具有 ReLU 激活函數(shù)。卷積操作每次移動一個像素。并且丟棄邊緣像素。

Conv2D(64, (2,2), activation='relu')

3. MaxPooling2D

構(gòu)建最大池化層。如果說，卷積層通過過濾器從高維數(shù)據(jù)中提取特征，增加了輸出的深度（特征數(shù)），那么，最大池化層的作用是降低輸出維度（寬高）。在 CNN 架構(gòu)中，最大池化層通常出現(xiàn)在卷積層后，后面接著下一個卷積層，交替出現(xiàn)，結(jié)果是，輸入的高維數(shù)組，深度逐次增加，而維度逐次降低。最終，高維的空間信息，逐漸轉(zhuǎn)換成 1 維的特征向量，然后連接全聯(lián)接層或其他分類算法，得到模型輸出。

MaxPooling2D(pool_size, strides, padding)

• pool_size: 指定池化窗口高度和寬度的數(shù)字
• strides: 垂直和水平 stride。如果不指定任何值，則 strides 默認為 pool_size
• padding: 選項包括 valid 和 same。如果不指定任何值，則 padding 設(shè)為 valid

示例：在卷積層后面添加最大池化層，降低卷積層的維度。假設(shè)卷積層的大小是 (100, 100, 15)，希望最大池化層的大小為 (50, 50, 15)。要實現(xiàn)這一點，可以在最大池化層中使用 2x2 窗口，stride 設(shè)為 2，代碼如下：

MaxPooling2D(pool_size=2, strides=2)

4. 構(gòu)建圖片分類 CNN

4.1 創(chuàng)建序列化模型

model = Sequential()

4.2 添加卷積層和最大池化層

這里分別添加了 3 層卷積層和 3 層最大池化層。卷積層的過濾器數(shù)量逐次增加，并且 padding 參數(shù)都為 same，strides 使用默認值 1，這意味著，卷積層不會改變圖片的寬高，只會通過過濾器層層提取更多特征。而最大池化層，strides 默認和 pool_size 想等設(shè)置為 2，意味著，最大池化層每次都能將圖片寬高壓縮一半。

需要注意的兩個地方：

• 模型第一層卷積層接受輸入，因此需要設(shè)置一個 input_shape 參數(shù)指定輸入維度。這里設(shè)置的 (32, 32, 3) ，表示輸入圖片需要是寬高為 32 像素的 RGB 彩色圖片。第一層之后的層都不需要設(shè)置 input_shape, 因為,模型會自動將前一層的輸出 shape 作為 后一層的輸入 shape。
• 由于，我們習慣使得卷積層不改變維度，而讓最大池化層每次將維度縮小一般，即寬高都除以 2，為了能一直整除，最好將輸入 shape 設(shè)置為 2 的整數(shù)冪，如下本文設(shè)置為 $2^5=32$。

model.add(Conv2D(filters=16, kernel_size=2, padding='same', activation='relu', input_shape=(32, 32, 3))) model.add(MaxPooling2D(pool_size=2))model.add(Conv2D(filters=32, kernel_size=2, padding='same', activation='relu')) model.add(MaxPooling2D(pool_size=2))model.add(Conv2D(filters=64, kernel_size=2, padding='same', activation='relu')) model.add(MaxPooling2D(pool_size=2))

4.3 扁平層

模型輸入 shape 為 (32, 32, 3) ，經(jīng)過前面的卷積和最大池化，可以得到現(xiàn)在的輸出寬高為 $32÷2÷2÷2=4$，深度為最后一層卷積層過濾器數(shù)量 64，因此，輸出 shape 為 (4, 4, 64)。扁平層的作用將這個多維數(shù)組（行業(yè)術(shù)語叫張量），轉(zhuǎn)換為相同數(shù)量 1 維向量, 因此，向量的長度為 $4\times 4\times 64=1024$。

model.add(Flatten())

4.4 全聯(lián)接層分類輸出

正如前文所說，卷積層和最大池化層組合使用，從二維的圖片中提取特征，將空間信息解構(gòu)為特征向量后，就可以連接分類器，進而得到模型預(yù)測輸出。這里分類器采用的是兩個全聯(lián)接層，最后一層全聯(lián)接層也是輸出層，采用了 softmax 作為激活層，因此，輸出長度為 10 的向量，對應(yīng) 10 個分類的預(yù)測概率值。

model.add(Dense(500, activation='relu')) model.add(Dense(10, activation='softmax'))

4.5 查看完整模型的架構(gòu)

到此為止，我們已經(jīng)完成了一個非常簡單，卻非常完整的用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)(CNN)的架構(gòu)設(shè)計。我們可以通過模型的 summary() 方法一覽整個模型，確保模型架構(gòu)符合自己的預(yù)期。summary() 方法會將模型每一層的參數(shù)個數(shù)，以及整個模型參數(shù)總數(shù)和可以訓練參數(shù)個數(shù)顯示出來，幫助我們非常便捷地掌握模型的復(fù)雜程度。可以看到，我們這個模型的一共有 528,054 個參數(shù)。信心的讀者，還會發(fā)現(xiàn)，只有卷積層和全連接層有參數(shù)，而且全連接層的參數(shù)個數(shù)遠遠超過卷積層。事實上，這也揭露一個事實，相對于全聯(lián)接，卷積層是局部連接的，它的參數(shù)個數(shù)也是可以通過卷積層傳入的參數(shù)計算出來的。關(guān)于參數(shù)個數(shù)的計算實際很簡單，但不是本文的重點，感興趣的讀者可以自行百度一下，或關(guān)注筆者博客后續(xù)更新。

model.summary() _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= conv2d_4 (Conv2D) (None, 32, 32, 16) 208 _________________________________________________________________ max_pooling2d_2 (MaxPooling2 (None, 16, 16, 16) 0 _________________________________________________________________ conv2d_5 (Conv2D) (None, 16, 16, 32) 2080 _________________________________________________________________ max_pooling2d_3 (MaxPooling2 (None, 8, 8, 32) 0 _________________________________________________________________ conv2d_6 (Conv2D) (None, 8, 8, 64) 8256 _________________________________________________________________ max_pooling2d_4 (MaxPooling2 (None, 4, 4, 64) 0 _________________________________________________________________ flatten_1 (Flatten) (None, 1024) 0 _________________________________________________________________ dense_1 (Dense) (None, 500) 512500 _________________________________________________________________ dense_2 (Dense) (None, 10) 5010 ================================================================= Total params: 528,054 Trainable params: 528,054 Non-trainable params: 0 _________________________________________________________________

5. 突破性的CNN架構(gòu)

5.1 AlexNet

2012 年，由多倫多大學的團隊開發(fā)。使用當時最強大的 GPU 在一周內(nèi)訓練完該網(wǎng)絡(luò)。AlexNet 使用了 ReLU 激活函數(shù)和 dropout 層來避免過擬合這一方面走在了前沿。卷積層使用 $11\times 11$ 大窗口。

5.2 VGG

2014 年，由牛津大學的視覺幾何組開發(fā)。VGG 有兩個版本，VGG16 和 VGG19，分別有 16 個層級和19個層級。兩個版本都非常簡潔美觀，由一個很長的 $3\times 3$ 卷積序列，穿插著 $2\times 2$ 的池化層，最后是 3 個全連接層。

5.3 ResNet

2015 年，由微軟研究部門開發(fā)。ResNet 也具有不同版本，區(qū)別在于層級的數(shù)量，最大的網(wǎng)絡(luò)具有破紀錄的 152 個層級。

6. 結(jié)語

本文介紹了使用 Keras 用于圖像分類的 CNN 架構(gòu)設(shè)計方法，并進一步介紹3個著名的CNN架構(gòu)。關(guān)于如何訓練一個CNN，實現(xiàn)一個完整的圖片分類模型，放在一篇文章，顯得過于冗長，想了解更多，可關(guān)注筆者后續(xù)專欄。

微信掃描二維碼 獲取最新技術(shù)原創(chuàng)

總結(jié)

以上是生活随笔為你收集整理的Keras 搭建图片分类 CNN （卷积神经网络）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。