[人工智能]2021-07-12学习记录 深度学习训练模型python代码分析3.0

训练的模型应用于口罩识别系统

今天要分析的一段代码：主函数

if __name__ == '__main__':
    model = build_model((64, 64, 3),2)
    adam = Adam(lr=0.0005)
    model.compile(optimizer=adam, loss='categorical_crossentropy', metrics=['accuracy'])

    datagen = ImageDataGenerator(
        rescale=1./255,
        rotation_range=10,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        brightness_range = (0.4,1.4),
        fill_mode='nearest')

    datagen_vail = ImageDataGenerator(rescale=1./255)
    gener=datagen.flow_from_directory('.\kzdataset',#类别子文件夹的上一级文件夹
                                         batch_size=40,
                                         target_size = (64,64),
                                         shuffle=True)

    gener_vail = datagen_vail.flow_from_directory('.\kzdataset',#类别子文件夹的上一级文件夹
                                         batch_size=200,
                                         target_size = (64,64),
                                         shuffle=True)
    model.fit_generator(gener,steps_per_epoch=100,epochs=80, verbose=1,validation_data=gener_vail)
    model.save("cell.h5")

    print("训练完毕")

1.建立模型

 model = build_model((64, 64, 3),2)

输入是64x64x3的图片，2个输出（戴口罩与不戴口罩）

2.设置学习率

 adam = Adam(lr=0.0005)

学习率（learning rate）为0.0005

3.配置训练方法

model.compile(optimizer=adam, loss='categorical_crossentropy', metrics=['accuracy'])

优化器为adam
损失函数为categorical_crossentropy
准确率为accuracy

详情：https://blog.csdn.net/yunfeather/article/details/106461754
4.图像预处理

datagen = ImageDataGenerator(
        rescale=1./255,
        rotation_range=10,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        brightness_range = (0.4,1.4),
        fill_mode='nearest')

rescale：缩放因子，将图片像素值从[0,255]缩放到[0,1]
rotation_range：旋转范围
width_shift_range：水平平移范围
height_shift_range：垂直平移范围
shear_range：透视变换的范围
zoom_range：缩放范围
horizontal_flip：水平反转
brightness_range：图像随机亮度增强
fill_mode：‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理。

datagen_vail = ImageDataGenerator(rescale=1./255)

这是给测试数据集用的？为什么只有一个参数呢？

5.获取目录路径并生成一批增强数据

gener=datagen.flow_from_directory('.\kzdataset',#类别子文件夹的上一级文件夹
                                         batch_size=40,
                                         target_size = (64,64),
                                         shuffle=True)

batch_size： 一次训练所选取的样本数
target_size：图像将被resize成该尺寸
shuffle：是否打乱数据

gener_vail = datagen_vail.flow_from_directory('.\kzdataset',#类别子文件夹的上一级文件夹
                                         batch_size=200,
                                         target_size = (64,64),
                                         shuffle=True)

测试数据集和训练数据集一样

6.将数据送入模型进行训练

 model.fit_generator(gener,steps_per_epoch=100,epochs=80, verbose=1,validation_data=gener_vail)

（不太理解，待深耕…）

7.训练完毕生成文件

model.save("cell.h5")

总结：
至此，口罩识别系统的python代码分析完毕了，收获了很多但也依然有许多不明白的问题。之后学习paddlepaddle框架，希望对比tensorflow能够对深度学习有更深入的理解。