flower_photos train analysis

补充思考:

flower_photos 数据量比较小，所以 simple_cnn 可以在 trainset 上拟合到 0.99，意思就是数据复杂度 < 模型复杂度

添加数据增强的本质是扩大模型见过的数据量

想要模型泛化性好，只有一个关键因素，数据量

如果让 simple_cnn 在 ImageNet 上做预训练，然后 flower_photos 上做训练，效果会更好吗？

从模型的浅层、中层、深层提取到的不同层次抽象特征来看，MobileNet 等网络无疑更加符合这个划分，此处 simple_cnn 过于简单，所以打个问号

数据集: flower_photos

1. daisy: 633张图片 雏菊
2. dandelion: 898张图片 蒲公英
3. roses: 641张图片 玫瑰
4. sunflowers: 699张图片 向日葵
5. tulips: 799张图片 郁金香

数据存储在本地磁盘，读取用的是 tf.keras.preprocessing.image_dataset_from_directory()，其中的 image_size 用作 image resize，batch_size 用作 batch

最后的 train_ds = train_ds.shuffle().cache().prefetch()，这样做的目的是减少 IO blocking

下面是模型搭建的代码:

model = tf.keras.Sequential([
    tf.keras.layers.experimental.preprocessing.Rescaling(1. / 255),
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(num_classes)
])

此处把 pixel 的 rescale 放进了 Sequential，当做模型搭建的一部分，有利于模型部署

callbacks 里面用到了 ReduceLROnPlateau，Tensorboard，EarlyStopping

上图是训练模型四次的 log 记录图，其中 val_acc 的区间在 [0.6499, 0.6785]，这个是正常现象，所以训练出来的模型准确率是会存在波动的

代码地址: https://github.com/MaoXianXin/Tensorflow_tutorial，但是需要在如上图的地方 flower dataset 这个 commit 处开一个新分支，然后找到 3.py 这个脚本，就能重复上图的实验了

因为上面的实验，准确率才 [0.6499, 0.6785]，我们需要进行优化，第一个改进是添加 data augmentation，此处我们直接在模型搭建环节添加，代码如下所示

model = tf.keras.Sequential([
    tf.keras.layers.experimental.preprocessing.Rescaling(1. / 255),
    augmentation_dict[args.key],
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(32, 3, activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(num_classes)
])

augmentation_dict[args.key]，这个就是添加的 data augmentation，此处我们只添加单种，具体 data augmentation 种类如下所示

augmentation_dict = {
    'RandomFlip': tf.keras.layers.experimental.preprocessing.RandomFlip("horizontal_and_vertical"),
    'RandomRotation': tf.keras.layers.experimental.preprocessing.RandomRotation(0.2),
    'RandomContrast': tf.keras.layers.experimental.preprocessing.RandomContrast(0.2),
    'RandomZoom': tf.keras.layers.experimental.preprocessing.RandomZoom(height_factor=0.1, width_factor=0.1),
    'RandomTranslation': tf.keras.layers.experimental.preprocessing.RandomTranslation(height_factor=0.1, width_factor=0.1),
    'RandomCrop': tf.keras.layers.experimental.preprocessing.RandomCrop(img_height, img_width),
    'RandomFlip_prob': RandomFlip_prob("horizontal_and_vertical"),
    'RandomRotation_prob': RandomRotation_prob(0.2),
    'RandomTranslation_prob': RandomTranslation_prob(height_factor=0.1, width_factor=0.1),
}

接下来我们看下实验结果的 log 记录图

可以看到，val_acc 大于 0.6785 (未添加数据增强) 的有 RandomTranslation > RandomRotation_prob > RandomRotation > RandomFlip_prob = RandomFlip > RandomZoom > RandomTranslation_prob

从结果看来，数据增强是有效的，接下来我们进行第二个改进，更换更强的网络模型，我们这里选择 MobileNetV2

这里我们分两种情况进行实验，第一种是把 MobileNetV2 当做 feature extraction 来使用，这个要求我们 freeze 模型的 卷积部分，只训练添加进去的 top-classifier 部分，下面上代码

data_augmentation = tf.keras.Sequential([
    augmentation_dict[args.key],
])

preprocess_input = tf.keras.applications.mobilenet_v2.preprocess_input
base_model = tf.keras.applications.MobileNetV2(input_shape=img_size,
                                               include_top=False,
                                               weights='imagenet')
base_model.trainable = False

inputs = tf.keras.Input(shape=img_size)
x = data_augmentation(inputs)
x = preprocess_input(x)
x = base_model(x, training=False)
x = tf.keras.layers.GlobalAveragePooling2D()(x)
x = tf.keras.layers.Dropout(0.2)(x)
outputs = tf.keras.layers.Dense(num_classes)(x)
model = tf.keras.Model(inputs, outputs)
print(model.summary())

实验结果如下图所示

可以看到，准确率提升很显著，从数据增强的 0.7316 提升到了 0.8937，这主要得益于 pre-trained model 是在 ImageNet 大数据集上做过训练，提取到的特征泛化性更好

为了进一步提升模型的准确率，我们采用第二种方式，对 pre-trained model 做 fine-tune，就是在第一种方式的基础上，我们 unfreeze 部分卷积层，因为浅层的卷积提取的特征都是很基础的特征，意味着很通用，但是深层的卷积提取的特征都是和数据集高度相关的，这里我们要解决的是 flower_photos，所以可以对深层的一部分卷积做训练，以进一步提高模型的准确率

下面上代码

data_augmentation = tf.keras.Sequential([
    augmentation_dict[args.key],
])

preprocess_input = tf.keras.applications.mobilenet_v2.preprocess_input
base_model = tf.keras.applications.MobileNetV2(input_shape=img_size,
                                               include_top=False,
                                               weights='imagenet')
base_model.trainable = True
# Let's take a look to see how many layers are in the base model
print("Number of layers in the base model: ", len(base_model.layers))

# Fine-tune from this layer onwards
fine_tune_at = 100

# Freeze all the layers before the `fine_tune_at` layer
for layer in base_model.layers[:fine_tune_at]:
    layer.trainable = False

inputs = tf.keras.Input(shape=img_size)
x = data_augmentation(inputs)
x = preprocess_input(x)
x = base_model(x, training=False)
x = tf.keras.layers.GlobalAveragePooling2D()(x)
x = tf.keras.layers.Dropout(0.2)(x)
outputs = tf.keras.layers.Dense(num_classes)(x)
model = tf.keras.Model(inputs, outputs)
model.load_weights('./save_models')
print(model.summary())

optimizer = tf.keras.optimizers.Adam(learning_rate=1e-4)
model.compile(
    optimizer=optimizer,
    loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy'])
K.set_value(model.optimizer.learning_rate, 1e-4)

这里有个特别需要注意的地方是 learning_rate 的设置，K.set_value(model.optimizer.learning_rate, 1e-4)，这个地方还是我特地查看了下 learning_rate 的 log 记录图才发现的不对劲

可以看到，进行 fine-tune 的话，模型准确率进一步提升，从 0.8937 —> 0.9482

到此为止，我们实现了在 flower_photos 数据集上 val_acc = 0.9482，下一步可能会用 RandAugment 或者 Semi-supervised 来提升模型的泛化能力

代码地址: https://github.com/MaoXianXin/Tensorflow_tutorial