Coursera吴恩达Deep Learning.ai第一课第四周Deep Neural Network for Image Classification: Application
Deep Neural Network for Image Classification: Application
您将使用您在先前任务中实现的功能来构建深层网络，并将其应用于cat与非cat分类。希望您会看到相对于之前的逻辑回归实现的准确性有所提高。
完成此任务后，您将能够：构建并应用深度神经网络进行监督学习。
让我们首先导入在此分配期间您需要的所有包。
- numpy是使用Python进行科学计算的基础包。
- matplotlib是一个用Python绘制图形的库。
- h5py是与存储在H5文件中的数据集进行交互的通用包。
- 此处使用PIL和scipy来测试您的模型，最后使用您自己的图片。
- dnn_app_utils提供在“构建您的深度神经网络：逐步”中为此笔记本分配的功能。
- np.random.seed（1）用于保持所有随机函数调用一致。它将帮助我们评估您的工作。
import time
import numpy as np
import h5py
import matplotlib.pyplot as plt
import scipy
from PIL import Image
from scipy import ndimage
from dnn_app_utils import *
%matplotlib inline
plt.rcParams['figure.figsize'] = (5.0, 4.0) # set default size of plots
plt.rcParams['image.interpolation'] = 'nearest'
plt.rcParams['image.cmap'] = 'gray'
%load_ext autoreload
%autoreload 2
np.random.seed(1)
2 - 数据集
您将使用与“Logistic回归为神经网络”（作业2）相同的“Cat vs non-Cat”数据集。 您构建的模型在对猫和非猫图像进行分类时具有70％的测试准确度。 希望您的新模型表现更好！
问题陈述：您将获得一个数据集（“data.h5”），其中包含：
- 标记为猫（1）或非猫（0）的m_train图像训练集
- 标记为猫和非猫的m_test图像的测试集
- 每个图像的形状（num_px，num_px，3），其中3表示3个通道（RGB）。
让我们更熟悉数据集。 通过运行下面的单元格加载数据。
train_x_orig, train_y, test_x_orig, test_y, classes = load_data()
以下代码将显示数据集中的图像。 随意更改索引并重复运行单元格以查看其他图像。
# Example of a picture
index = 10
plt.imshow(train_x_orig[index])
print ("y = " + str(train_y[0,index]) + ". It's a " + classes[train_y[0,index]].decode("utf-8") + " picture.")
# Explore your dataset
m_train = train_x_orig.shape[0]
num_px = train_x_orig.shape[1]
m_test = test_x_orig.shape[0]
print ("Number of training examples: " + str(m_train))
print ("Number of testing examples: " + str(m_test))
print ("Each image is of size: (" + str(num_px) + ", " + str(num_px) + ", 3)")
print ("train_x_orig shape: " + str(train_x_orig.shape))
print ("train_y shape: " + str(train_y.shape))
print ("test_x_orig shape: " + str(test_x_orig.shape))
print ("test_y shape: " + str(test_y.shape))
像往常一样，您在将图像送入网络之前对图像进行整形和标准化。 代码在下面的单元格中给出。
# Reshape the training and test examples
train_x_flatten = train_x_orig.reshape(train_x_orig.shape[0], -1).T # The "-1" makes reshape flatten the remaining dimensions
test_x_flatten = test_x_orig.reshape(test_x_orig.shape[0], -1).T
# Standardize data to have feature values between 0 and 1.
train_x = train_x_flatten/255.
test_x = test_x_flatten/255.
print ("train_x's shape: " + str(train_x.shape))
print ("test_x's shape: " + str(test_x.shape))
12,288等于64×64×3，这是一个重新成形的图像矢量的大小。
现在您已经熟悉了数据集，现在是时候构建一个深度神经网络来区分猫图像和非猫图像。
您将构建两个不同的模型：
- 2层神经网络。
- L层深度神经网络。
然后，您将比较这些模型的性能，并为L尝试不同的值。
3.1 - 2层神经网络
图2的详细架构：
- 输入是（64,64,3）图像，其被展平为大小为（12288,1）的向量。
- 相应的矢量：
然后乘以大小
的权重矩阵W [1]。 - 然后你添加一个偏置项并使其得到以下向量：
。 - 然后重复相同的过程。
- 将得到的向量乘以
并添加截距（偏差）。 - 最后，你取结果的sigmoid。 如果它大于0.5，则将其归类为猫。
3.2 - L层深度神经网络
用上述表示很难表示L层深度神经网络。 但是，这是一个简化的网络表示：
图3的详细架构：
输入是（64,64,3）图像，其被展平为大小为（12288,1）的向量。
相应的向量：
然后乘以权重矩阵
，然后加上截距
。结果称为线性单位。
接下来，你拿线性单元的relu。根据模型架构，每个
可以重复此过程若干次。
最后，你取最终线性单位的sigmoid。如果它大于0.5，则将其归类为猫。
3.3 - 一般方法
像往常一样，您将遵循深度学习方法来构建模型：
- 初始化参数/定义超参数
- 循环num_iterations：
- 前向传播
- 计算成本函数
- 向后传播
- 更新参数（使用参数和backprop的grads）
- 使用经过训练的参数来预测标签
4 - 双层神经网络
问题：使用您在先前任务中实现的辅助函数来构建具有以下结构的2层神经网络：LINEAR - > RELU - > LINEAR - > SIGMOID。您可能需要的功能及其输入是：
def initialize_parameters(n_x, n_h, n_y):
...
return parameters
def linear_activation_forward(A_prev, W, b, activation):
...
return A, cache
def compute_cost(AL, Y):
...
return cost
def linear_activation_backward(dA, cache, activation):
...
return dA_prev, dW, db
def update_parameters(parameters, grads, learning_rate):
...
return parameters### CONSTANTS DEFINING THE MODEL ####
n_x = 12288 # num_px * num_px * 3
n_h = 7
n_y = 1
layers_dims = (n_x, n_h, n_y)# GRADED FUNCTION: two_layer_model
def two_layer_model(X, Y, layers_dims, learning_rate = 0.0075, num_iterations = 3000, print_cost=False):
"""
Implements a two-layer neural network: LINEAR->RELU->LINEAR->SIGMOID.
Arguments:
X -- input data, of shape (n_x, number of examples)
Y -- true "label" vector (containing 0 if cat, 1 if non-cat), of shape (1, number of examples)
layers_dims -- dimensions of the layers (n_x, n_h, n_y)
num_iterations -- number of iterations of the optimization loop
learning_rate -- learning rate of the gradient descent update rule
print_cost -- If set to True, this will print the cost every 100 iterations
Returns:
parameters -- a dictionary containing W1, W2, b1, and b2
"""
np.random.seed(1)
grads = {}
costs = [] # to keep track of the cost
m = X.shape[1] # number of examples
(n_x, n_h, n_y) = layers_dims
# Initialize parameters dictionary, by calling one of the functions you'd previously implemented
### START CODE HERE ### (≈ 1 line of code)
parameters = initialize_parameters(n_x, n_h, n_y)
### END CODE HERE ###
# Get W1, b1, W2 and b2 from the dictionary parameters.
W1 = parameters["W1"]
b1 = parameters["b1"]
W2 = parameters["W2"]
b2 = parameters["b2"]
# Loop (gradient descent)
for i in range(0, num_iterations):
# Forward propagation: LINEAR -> RELU -> LINEAR -> SIGMOID. Inputs: "X, W1, b1". Output: "A1, cache1, A2, cache2".
### START CODE HERE ### (≈ 2 lines of code)
A1, cache1 = linear_activation_forward(X, W1, b1, activation = 'relu')
A2, cache2 = linear_activation_forward(A1, W2, b2, activation = 'sigmoid')
### END CODE HERE ###
# Compute cost
### START CODE HERE ### (≈ 1 line of code)
cost = compute_cost(A2, Y)
### END CODE HERE ###
# Initializing backward propagation
dA2 = - (np.divide(Y, A2) - np.divide(1 - Y, 1 - A2))
# Backward propagation. Inputs: "dA2, cache2, cache1". Outputs: "dA1, dW2, db2; also dA0 (not used), dW1, db1".
### START CODE HERE ### (≈ 2 lines of code)
dA1, dW2, db2 = linear_activation_backward(dA2, cache2, activation = 'sigmoid')
dA0, dW1, db1 = linear_activation_backward(dA1, cache1, activation = 'relu')
### END CODE HERE ###
# Set grads['dWl'] to dW1, grads['db1'] to db1, grads['dW2'] to dW2, grads['db2'] to db2
grads['dW1'] = dW1
grads['db1'] = db1
grads['dW2'] = dW2
grads['db2'] = db2
# Update parameters.
### START CODE HERE ### (approx. 1 line of code)
parameters = update_parameters(parameters, grads, learning_rate)
### END CODE HERE ###
# Retrieve W1, b1, W2, b2 from parameters
W1 = parameters["W1"]
b1 = parameters["b1"]
W2 = parameters["W2"]
b2 = parameters["b2"]
# Print the cost every 100 training example
if print_cost and i % 100 == 0:
print("Cost after iteration {}: {}".format(i, np.squeeze(cost)))
if print_cost and i % 100 == 0:
costs.append(cost)
# plot the cost
plt.plot(np.squeeze(costs))
plt.ylabel('cost')
plt.xlabel('iterations (per tens)')
plt.title("Learning rate =" + str(learning_rate))
plt.show()
return parameters
运行下面的单元格来训练您的参数。 看看你的模型是否运行。 成本应该在下降。 运行2500次迭代可能需要5分钟。 检查“迭代后的成本0”是否与下面的预期输出匹配，如果没有单击笔记本上方栏上的方块（⬛）来停止单元格并尝试查找错误。
parameters = two_layer_model(train_x, train_y, layers_dims = (n_x, n_h, n_y), num_iterations = 2500, print_cost=True)
你构建了一个矢量化实现的好东西！ 否则可能需要花费10倍的时间来训练它。
现在，您可以使用训练的参数对数据集中的图像进行分类。 要查看有关训练和测试集的预测，请运行下面的单元格。
predictions_train = predict(train_x, train_y, parameters)
注意：您可能会注意到，在较少的迭代（例如1500）上运行模型可以提高测试集的准确性。 这被称为“提前停止”，我们将在下一个课程中讨论它。 提前停车是防止过度装配的一种方法。
5 - L层神经网络
问题：使用先前实现的辅助函数构建具有以下结构的L层神经网络：[LINEAR - > RELU]×（L-1） - > LINEAR - > SIGMOID。 您可能需要的功能及其输入是：
def initialize_parameters_deep(layer_dims):
...
return parameters
def L_model_forward(X, parameters):
...
return AL, caches
def compute_cost(AL, Y):
...
return cost
def L_model_backward(AL, Y, caches):
...
return grads
def update_parameters(parameters, grads, learning_rate):
...
return parameters### CONSTANTS ###
layers_dims = [12288, 20, 7, 5, 1] # 5-layer model# GRADED FUNCTION: n_layer_model
def L_layer_model(X, Y, layers_dims, learning_rate = 0.0075, num_iterations = 3000, print_cost=False):#lr was 0.009
"""
Implements a L-layer neural network: [LINEAR->RELU]*(L-1)->LINEAR->SIGMOID.
Arguments:
X -- data, numpy array of shape (number of examples, num_px * num_px * 3)
Y -- true "label" vector (containing 0 if cat, 1 if non-cat), of shape (1, number of examples)
layers_dims -- list containing the input size and each layer size, of length (number of layers + 1).
learning_rate -- learning rate of the gradient descent update rule
num_iterations -- number of iterations of the optimization loop
print_cost -- if True, it prints the cost every 100 steps
Returns:
parameters -- parameters learnt by the model. They can then be used to predict.
"""
np.random.seed(1)
costs = [] # keep track of cost
# Parameters initialization.
### START CODE HERE ###
parameters = initialize_parameters_deep(layers_dims)
### END CODE HERE ###
# Loop (gradient descent)
for i in range(0, num_iterations):
# Forward propagation: [LINEAR -> RELU]*(L-1) -> LINEAR -> SIGMOID.
### START CODE HERE ### (≈ 1 line of code)
AL, caches = L_model_forward(X, parameters)
### END CODE HERE ###
# Compute cost.
### START CODE HERE ### (≈ 1 line of code)
cost = compute_cost(AL, Y)
### END CODE HERE ###
# Backward propagation.
### START CODE HERE ### (≈ 1 line of code)
grads = L_model_backward(AL, Y, caches)
### END CODE HERE ###
# Update parameters.
### START CODE HERE ### (≈ 1 line of code)
parameters = update_parameters(parameters, grads, learning_rate)
### END CODE HERE ###
# Print the cost every 100 training example
if print_cost and i % 100 == 0:
print ("Cost after iteration %i: %f" %(i, cost))
if print_cost and i % 100 == 0:
costs.append(cost)
# plot the cost
plt.plot(np.squeeze(costs))
plt.ylabel('cost')
plt.xlabel('iterations (per tens)')
plt.title("Learning rate =" + str(learning_rate))
plt.show()
return parameters
您现在将模型训练为5层神经网络。
运行下面的单元格来训练您的模型。 每次迭代都会降低成本。 运行2500次迭代可能需要5分钟。 检查“迭代后的成本0”是否与下面的预期输出匹配，如果没有单击笔记本上方栏上的方块（⬛）来停止单元格并尝试查找错误。
parameters = L_layer_model(train_x, train_y, layers_dims, num_iterations = 2500, print_cost = True)
pred_train = predict(train_x, train_y, parameters)
pred_test = predict(test_x, test_y, parameters)
恭喜！ 在同一测试集中，您的5层神经网络似乎比2层神经网络（72％）具有更好的性能（84％）。
虽然在下一期“改进深度神经网络”课程中，您将学习如何通过系统地搜索更好的超参数（learning_rate，layers_dims，num_iterations以及其他您将在下一课程中学习的内容）来获得更高的准确性。
6）结果分析
首先，让我们看一下L层模型标记错误的一些图像。 这将显示一些贴错标签的图像。
print_mislabeled_images(classes, test_x, test_y, pred_test)模型往往表现不佳的一些类型的图像包括：
- 猫体处于不寻常的位置
- 猫出现在相似颜色的背景下
- 不寻常的猫的颜色和物种
- 相机角度
- 图片的亮度
- 尺度变化（图像中的猫非常大或小）
7）用你自己的图像进行测试（可选/未分级练习）
- 恭喜你完成了这项任务。 您可以使用自己的图像并查看模型的输出。 要做到这一点：
- 单击此笔记本上方栏中的“file”，然后单击“open”以进入Coursera Hub。
- 将图像添加到此图像文件夹中的Jupyter Notebook目录中
- 在以下代码中更改图像的名称
- 运行代码并检查算法是否正确（1 = cat，0 =非cat）！
## START CODE HERE ##
my_image = "my_image.jpg" # change this to the name of your image file
my_label_y = [1] # the true class of your image (1 -> cat, 0 -> non-cat)
## END CODE HERE ##
fname = "images/" + my_image
image = np.array(ndimage.imread(fname, flatten=False))
my_image = scipy.misc.imresize(image, size=(num_px,num_px)).reshape((num_px*num_px*3,1))
my_predicted_image = predict(my_image, my_label_y, parameters)
plt.imshow(image)
print ("y = " + str(np.squeeze(my_predicted_image)) + ", your L-layer model predicts a \"" + classes[int(np.squeeze(my_predicted_image)),].decode("utf-8") + "\" picture.")Accuracy: 1.0
y = 1.0, your L-layer model predicts a "cat" picture.