Как я могу проверить мою модель CNN с изображением? - PullRequest
Новая
       13

Как я могу проверить мою модель CNN с изображением?

0 голосов
/ 11 апреля 2019

Введение / установка

Я новичок в программировании, и я сделал свою первую модель CNN из учебника. Я установил свой jupyter / tenorflow / keras в C: \ Users \ labadmin

Что я понял, так это то, что мне просто нужно указать путь от labadmin для реализации моих данных для тестирования и обучения.

Поскольку я не уверен, что является причиной ошибки, я вставил весь код и ошибку, я думаю, что система не получает данные.

Папка с настройкой данных следующим образом:

У labadmin есть папка data , в которой есть две папки. обучение и тест

В обеих папках перемешиваются изображения кошек и собак. В каждой папке 10000 картинок, поэтому должно быть достаточно:

Учебник учит. 1. Как создать модель 2. Определите ваши ярлыки 3. Создайте свои тренировочные данные 4. Создание и построение слоев 5. Создайте свои данные тестирования 6. (из того, что я понял) последняя часть кода, которую я создал,
проверка моей модели.

Это код 


    import cv2
    import numpy as np
    import os
    from random import shuffle
    from tqdm import tqdm

    TRAIN_DIR = "data\\training"
    TEST_DIR = "data\\test"
    IMG_SIZE = 50

    LR = 1e-3

    MODEL_NAME = 'dogvscats-{}-{}.model'.format(LR, '2cov-basic1')

    def label_img(img):
        word_label = img.split('.')[-3]
        if word_label == 'cat': return [1,0]
        elif word_label == 'dog': return [0,1]

    def creat_train_data():
        training_data = []
        for img in tqdm(os.listdir(TRAIN_DIR)):
            label = label_img(img)
            path = os.path.join(TRAIN_DIR,img)
            img = cv2.resize(cv2.imread(path, cv2.IMREAD_GRAYSCALE), (IMG_SIZE,IMG_SIZE))
            training_data.append([np.array(img), np.array(label)])
        shuffle(training_data)
        np.save('training.npy', training_data) #save file
        return training_data

    import tflearn
    from tflearn.layers.conv import conv_2d, max_pool_2d
    from tflearn.layers.core import input_data, dropout, fully_connected
    from tflearn.layers.estimator import regression



    # Building convolutional convnet
    convnet = input_data(shape=[None, IMG_SIZE, IMG_SIZE, 1], name='input')
    # http://tflearn.org/layers/conv/
    # http://tflearn.org/activations/
    convnet = conv_2d(convnet, 32, 2, activation='relu')
    convnet = max_pool_2d(convnet, 2)

    convnet = conv_2d(convnet, 64, 2, activation='relu')
    convnet = max_pool_2d(convnet, 2)

    convnet = fully_connected(convnet, 1024, activation='relu')
    convnet = dropout(convnet, 0.8)

    #OUTPUT layer
    convnet = fully_connected(convnet, 2, activation='softmax')
    convnet = regression(convnet, optimizer='adam', learning_rate=LR, loss='categorical_crossentropy', name='targets')

    model = tflearn.DNN(convnet, tensorboard_dir='log')

    def process_test_data():
        testing_data = []
        for img in tqdm(os.listdir(TEST_DIR)):
            path = os.path.join(TEST_DIR,img)
            img_num = img.split ('.')[0]  #ID of pic=img_num
            img = cv2.resize(cv2-imread(path, cv2.IMREAD_GRAYSCALE),  (IMG_SIZE,IMG_SIZE))
            testing_data.append([np.array(img), img_num])

        np.save('test_data.npy', testing_data)
        return testing_data

    train_data = creat_train_data()
    #if you already have train data:
    #train_data = np.load('train_data.npy')
    100%|███████████████████████████████████████████████████████████████████████████| 21756/21756 [02:39<00:00, 136.07it/s]

    if os.path.exists('{}<.meta'.format(MODEL_NAME)):
        model.load(MODEL_NAME)
        print('model loaded!')

    train = train_data[:-500]
    test = train_data[:-500]

    X = np.array([i[0] for i in train]).reshape( -1, IMG_SIZE, IMG_SIZE, 1) #feature set
    Y= [i[1] for i in test] #label

    test_x = np.array([i[0] for i in train]).reshape( -1, IMG_SIZE, IMG_SIZE, 1) 
    test_y= [i[1] for i in test] 

    model.fit({'input': X}, {'targets': Y}, n_epoch=5, validation_set=({'input': test_x}, {'targets': test_y}), 
        snapshot_step=500, show_metric=True, run_id=MODEL_NAME)

    Training Step: 1664  | total loss: 9.55887 | time: 63.467s
    | Adam | epoch: 005 | loss: 9.55887 - acc: 0.5849 -- iter: 21248/21256
    Training Step: 1665  | total loss: 9.71830 | time: 74.722s
    | Adam | epoch: 005 | loss: 9.71830 - acc: 0.5779 | val_loss: 9.81653 - val_acc: 0.5737 -- iter: 21256/21256
    --

Три вопроса

У меня есть три проблемы, которые я пытался решить, но мне не повезло найти решения:

Первое появляется в: # Построение сверточного коннета 


    curses is not supported on this machine (please install/reinstall curses for an optimal experience)
    WARNING:tensorflow:From C:\Users\labadmin\Miniconda3\envs\tensorflow\lib\site-packages\tflearn\initializations.py:119: UniformUnitScaling.__init__ (from tensorflow.python.ops.init_ops) is deprecated and will be removed in a future version.
    Instructions for updating:
    Use tf.initializers.variance_scaling instead with distribution=uniform to get equivalent behavior.
    WARNING:tensorflow:From C:\Users\labadmin\Miniconda3\envs\tensorflow\lib\site-packages\tflearn\objectives.py:66: calling reduce_sum (from tensorflow.python.ops.math_ops) with keep_dims is deprecated and will be removed in a future version.
    Instructions for updating:
    keep_dims is deprecated, use keepdims instead

Второй появляется в: print ('модель загружена!') 

    if os.path.exists('{}<.meta'.format(MODEL_NAME)):
        model.load(MODEL_NAME)
        print('model loaded!')

Если код не печатается, значит ли это, что данные не загружаются?

Третий

В учебнике не описывается, как я могу проверить мою модель с изображением. Так как и что я могу добавить к коду, который берет модель (которая также сохраняется) и запускает изображение из моей папки с заданным выводом, являющимся классификацией?

1 Ответ

1 голос
/ 11 апреля 2019

1-й: предупреждающие сообщения удалены, следуйте им, и предупреждение исчезнет.Но не волнуйтесь, вы все равно можете нормально выполнять свой код, если вы этого не сделаете.

2-й: Да.Если model load! не распечатывается, модель не загружается, проверьте путь к файлу модели.

3-й: Чтобы сохранить модель после тренировки, используйте model.save("PATH-TO-SAVE").Затем вы можете загрузить его по model.load("PATH-TO-MODEL").

. Для прогнозирования используйте model.predict({'input': X}).См. Здесь http://tflearn.org/getting_started/#trainer-evaluator-predictor

2-й вопрос

  1. Чтобы сохранить и загрузить модель, используйте 
# Save a model
model.save('path-to-folder-you-want-to-save/my_model.tflearn')
# Load a model
model.load('the-folder-where-your-model-located/my_model.tflearn')

, помните, что у вас должно быть расширение дляфайл модели, который .tflearn.

Чтобы предсказать, вам нужно загрузить изображение так же, как когда вы загружаете его для тренировки. 
test_image = cv2.resize(cv2.imread("path-of-the-image", cv2.IMREAD_GRAYSCALE),  (IMG_SIZE,IMG_SIZE))

test_image = np.array(test_image).reshape( -1, IMG_SIZE, IMG_SIZE, 1)

prediction = model.predict({'input': test_image })
...