为了让文章不那么枯燥，我构建了一个精灵图鉴数据集（Pokedex）这都是一些受欢迎的精灵图。我们在已经准备好的图像数据集上，使用Keras库训练一个卷积神经网络（CNN）。
深度学习数据集
上图是来自我们的精灵图鉴深度学习数据集中的合成图样本。我的目标是使用Keras库和深度学习训练一个CNN，对Pokedex数据集中的图像进行识别和分类。Pokedex数据集包括：Bulbasaur (234 images)；Charmander (238 images)；Squirtle (223 images)；Pikachu (234 images)；Mewtwo (239 images)
训练图像包括以下组合：电视或电影的静态帧；交易卡；行动人物；玩具和小玩意儿；图纸和粉丝的艺术效果图。
在这种多样化的训练图像的情况下，实验结果证明，CNN模型的分类准确度高达97％！
CNN和Keras库的项目结构
该项目分为几个部分，目录结构如下：
如上图所示，共分为3个目录：
1.数据集：包含五个类，每个类都是一个子目录。
2.示例：包含用于测试卷积神经网络的图像。
3.pyimagesearch模块：包含我们的SmallerVGGNet模型类。
另外，根目录下有5个文件：
1.plot.png：训练脚本运行后，生成的训练/测试准确性和损耗图。
2.lb.pickle：LabelBinarizer序列化文件，在类名称查找机制中包含类索引。
3.pokedex.model：序列化Keras CNN模型文件（即“权重文件”）。
4.train.py：训练Keras CNN，绘制准确性/损耗函数，然后将卷积神经网络和类标签二进制文件序列化到磁盘。
5.classify.py：测试脚本。
Keras和CNN架构
我们今天使用的CNN架构，是由Simonyan和Zisserman在2014年的论文“用于大规模图像识别的强深度卷积网络”中介绍的VGGNet网络的简单版本，结构图如上图所示。该网络架构的特点是：
1.只使用3*3的卷积层堆叠在一起来增加深度。
2.使用最大池化来减小数组大小。
3.网络末端全连接层在softmax分类器之前。
假设你已经在系统上安装并配置了Keras。如果没有，请参照以下连接了解开发环境的配置教程：
2.设置Ubuntu 16.04 + CUDA + GPU，使用Python进行深度学习。
继续使用SmallerVGGNet——VGGNet的更小版本。在pyimagesearch模块中创建一个名为smallervggnet.py的新文件，并插入以下代码：
注意：在pyimagesearch中创建一个_init_.py文件，以便Python知道该目录是一个模块。如果你对_init_.py文件不熟悉或者不知道如何使用它来创建模块，你只需在原文的“下载”部分下载目录结构、源代码、数据集和示例图像。
现在定义SmallerVGGNet类：
该构建方法需要四个参数：
1.width：图像宽度。
2.height ：图像高度。
3.depth ：图像深度。
4.classes ：数据集中类的数量（这将影响模型的最后一层），我们使用了5个Pokemon 类。
注意：我们使用的是深度为3、大小为96 * 96的输入图像。后边解释输入数组通过网络的空间维度时，请记住这一点。
由于我们使用的是TensorFlow后台，因此用“channels last”对输入数据进行排序；如果想用“channels last”，则可以用代码中的23-25行进行处理。
为模型添加层，下图为第一个CONV => RELU => POOL代码块：
卷积层有32个内核大小为3*3的滤波器，使用RELU激活函数，然后进行批量标准化。
池化层使用3 *3的池化，将空间维度从96 *96快速降低到32 * 32（输入图像的大小为96 * 96 * 3的来训练网络）。
如代码所示，在网络架构中使用Dropout。Dropout随机将节点从当前层断开，并连接到下一层。这个随机断开的过程有助于降低模型中的冗余——网络层中没有任何单个节点负责预测某个类、对象、边或角。
在使用另外一个池化层前，添加（CONV => RELU）* 2层：
在降低输入数组的空间维度前，将多个卷积层RELU层堆叠在一起可以学习更丰富的特征集。
请注意：将滤波器大小从32增加到64。随着网络的深入，输入数组的空间维度越小，滤波器学习到的内容更多；将最大池化层从3*3降低到2*2，以确保不会过快地降低空间维度。在这个过程中再次执行Dropout。
再添加一个(CONV => RELU)* 2 => POOL代码块：
我们已经将滤波器的大小增加到128。对25％的节点执行Droupout以减少过拟合。
最后，还有一组FC => RELU层和一个softmax分类器：
Dense（1024）使用具有校正的线性单位激活和批量归一化指定全连接层。
最后再执行一次Droupout——在训练期间我们Droupout了50％的节点。通常情况下，你会在全连接层在较低速率下使用40-50％的Droupout，其他网络层为10-25％的Droupout。
用softmax分类器对模型进行四舍五入，该分类器将返回每个类别标签的预测概率值。
CNN + Keras训练脚本的实现
既然VGGNet小版本已经实现，现在我们使用Keras来训练卷积神经网络。
创建一个名为train.py的新文件，并插入以下代码，导入需要的软件包和库：
使用”Agg” matplotlib后台，以便可以将数字保存在背景中（第3行）。
ImageDataGenerator类用于数据增强，这是一种对数据集中的图像进行随机变换（旋转、剪切等）以生成其他训练数据的技术。数据增强有助于防止过拟合。
第7行导入了Adam优化器，用于训练网络。
第9行的LabelBinarizer是一个重要的类，其作用如下：
1.输入一组类标签的集合（即表示数据集中人类可读的类标签字符串）。
2.将类标签转换为独热编码矢量。
3.允许从Keras CNN中进行整型类别标签预测，并转换为人类可读标签。
经常会有读者问：如何将类标签字符串转换为整型？或者如何将整型转换为类标签字符串。答案就是使用LabelBinarizer类。
第10行的train_test_split函数用来创建训练和测试分叉。
读者对我自己的imutils包较为了解。如果你没有安装或更新，可以通过以下方式进行安装：
如果你使用的是Python虚拟环境，确保在安装或升级imutils之前，用workon命令访问特定的虚拟环境。
我们来解析一下命令行参数：
对于我们的训练脚本，有三个必须的参数：
1.--dataset：输入数据集的路径。数据集放在一个目录中，其子目录代表每个类，每个子目录约有250个精灵图片。
2.--model：输出模型的路径，将训练模型输出到磁盘。
3.--labelbin：输出标签二进制器的路径。
还有一个可选参数--plot。如果不指定路径或文件名，那么plot.png文件则在当前工作目录中。
不需要修改第22-31行来提供新的文件路径，代码在运行时会自行处理。
现在，初始化一些重要的变量：
第35-38行对训练Keras CNN时使用的重要变量进行初始化：
1.-EPOCHS：训练网络的次数。
2.-INIT-LR：初始学习速率值，1e-3是Adam优化器的默认值，用来优化网络。
3.-BS：将成批的图像传送到网络中进行训练，同一时期会有多个批次，BS值控制批次的大小。
4.-IMAGE-DIMS：提供输入图像的空间维度数。输入的图像为96*96*3（即RGB）。
然后初始化两个列表——data和labels，分别保存预处理后的图像和标签。第46-48行抓取所有的图像路径并随机扰乱。
现在，对所有的图像路径ImagePaths进行循环：
首先对imagePaths进行循环（第51行），再对图像进行加载（第53行），然后调整其大小以适应模型（第54行）。
现在，更新data和labels列表。
调用Keras库的img_to_arry函数，将图像转换为与Keras库兼容的数组（第55行），然后将图像添加到名为data的列表中(第56行)。
对于labels列表，我们在第60行文件路径中提取出label，并将其添加在第61行。
那么，为什么需要类标签分解过程呢？
考虑到这样一个事实，我们有目的地创建dataset目录结构，格式如下：
第60行的路径分隔符可以将路径分割成一个数组，然后获取列表中的倒数第二项——类标签。
然后进行额外的预处理、二值化标签和数据分区，代码如下：
首先将data数组转换为NumPy数组，然后将像素强度缩放到[0,1]范围内（第64行），也要将列表中的labels转换为NumPy数组（第65行）。打印data矩阵的大小（以MB为单位）。
然后使用scikit-learn库的LabelBinarzer对标签进行二进制化(第70和71行)。
对于深度学习（或者任何机器学习），通常的做法是将训练和测试分开。第75和76行将训练集和测试集按照80/20的比例进行分割。
接下来创建图像数据增强对象：
因为训练数据有限（每个类别的图像数量小于250），因此可以利用数据增强为模型提供更多的图像（基于现有图像），数据增强是一种很重要的工具。
第79到81行使用ImageDataGenerator对变量aug进行初始化，即ImageDataGenerator。
现在，我们开始编译模型和训练：
第85行和第86行使用96＊96＊3的输入图像初始化Keras CNN模型。注意，我将SmallerVGGNet设计为接受96＊96＊3输入图像。
第87行使用具有学习速率衰减的Adam优化器，然后在88行和89行使用分类交叉熵编译模型。
若只有2个类别，则使用二元交叉熵作为损失函数。
93-97行调用Keras的fit_generator方法训练网络。这一过程需要花费点时间，这取决于你是用CPU还是GPU进行训练。
一旦Keras CNN训练完成，我们需要保存模型（1）和标签二进制化器（2），因为在训练或测试集以外的图像上进行测试时，需要从磁盘中加载出来：
对模型（101行）和标签二进制器（105-107行）进行序列化，以便稍后在classify.py脚本中使用。
最后，绘制训练和损失的准确性图，并保存到磁盘（第121行），而不是显示出来，原因有二：（1）我的服务器在云端;（2）确保不会忘记保存图。
使用Keras训练CNN
执行以下代码训练模型：
训练脚本的输出结果如上图所示，Keras CNN模型在训练集上的分类准确率为96.84％；在测试集上的准确率为97.07％
训练损失函数和准确性图如下：
如上图所示，对模型训练100次，并在有限的过拟合下实现了低损耗。在新的数据上也能获得更高的准确性。
创建CNN和Keras的脚本
现在，CNN已经训练过了，我们需要编写一个脚本，对新图像进行分类。新建一个文件，并命名为classify.py，插入以下代码：
上图中第2-9行导入必要的库。
我们来解析下代码中的参数（12-19行），需要的三个参数如下：
1.--model：已训练模型的路径。
2.--labelbin：标签二进制器的路径。
3.--image：输入图像的路径。
接下来，加载图像并对其进行预处理：
第22行加载输入图像image，并复制一个副本，赋值给out（第23行）。
和训练过程使用的预处理方式一样，我们对图像进行预处理（26-29行）。加载模型和标签二值化器（34和35行），对图像进行分类：
随后，对图像进行分类并创建标签（39-41行）。
剩余的代码用于显示：
第46-47行从filename中提取精灵图鉴的名字，并与label进行比较。Correct变量是“正确（correct）”或“不正确（incorrect）”。然后执行以下操作：
1.50行将概率值和“正确／不正确”文本添加到类别标签label上。
2.51行调整输出图像大小，使其适合屏幕输出。
3.52和53行在输出图像上绘制标签。
4.57和58行显示输出图像并等待按键退出。
用KNN和Keras对图像分类
运行classify.py脚本（确保已经从原文“下载”部分获取代码和图片）！下载并解压缩文件到这个项目的根目录下，然后从Charmander图像开始。代码及试验结果如下：
Bulbasaur图像分类的代码及结果如下所示：
其他图像的分类代码和以上两个图像的代码一样，可自行验证其结果。
模型的局限性
该模型的主要局限是训练数据少。我在各种不同的图像进行测试，发现有时分类不正确。我仔细地检查了输入图像和神经网络，发现图像中的主要颜色会影响分类结果。
例如，如果图像中有许多红色和橙色，则可能会返回“Charmander”标签；图像中的黄色通常会返回“Pikachu”标签。这归因于输入数据，精灵图鉴是虚构的，它没有“真实世界”中的真实图像。并且，我们只为每个类别提供了比较有限的数据（约225-250张图片）。
理想情况下，训练卷积神经网络时，每个类别至少应有500-1,000幅图像。
可以将Keras深度学习模型作为REST API吗？
如果想将此模型（或任何其他深度学习模型）用作REST API运行，可以参照下面的博文内容：
3.使用Keras，Redis，Flask和Apache进行深度学习
总结
这篇文章主要介绍了如何使用Keras库来训练卷积神经网络（CNN）。使用的是自己创建的数据集（精灵图鉴）作为训练集和测试集，其分类的准确度达到97.07％。
以上为译文。
本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。
文章原标题《Keras and Convolutional Neural Networks (CNNs)》，译者：Mags，审校：袁虎。
文章为简译，更为详细的内容，请查看原文。
