利用神经网络识别12306验证码——（五）训练模型

小灰灰 2022-11-15 01:29 248阅读 0赞

需要训练的有两个模型，一个是文本识别模型，一个是图像识别模型。在训练的时候，尝试了ResNet50、ResNet101、MobileNetV2，三种模型，前两个残差神经网络模型的参数比较大，训练比较耗时，精度上也逊色于第三个模型。尝试了RTX 2080、RTX 2070、Tesla K80三种GPU，三者的训练速度依次递减，但差距不是很大。训练平台在篇尾再进行介绍。  
两个模型的训练基本上可以共用一套代码，只有一些细微的差异。  
首先介绍共用的代码部分，其中加载数据的函数，数据的根目录根据自己的情况，需要自行修改。

#导入必要的包
    from tensorflow.compat.v1 import ConfigProto
    from tensorflow.compat.v1 import InteractiveSession
    
    config = ConfigProto()
    config.gpu_options.allow_growth = True
    session = InteractiveSession(config=config)
    import tensorflow as tf
    from tensorflow import keras
    #from tensorflow.keras.applications import ResNet101
    from tensorflow.keras.applications.mobilenet_v2 import MobileNetV2
    from keras.callbacks import EarlyStopping
    import numpy as np
    import os
    import shutil
    import collections
    import math
    import random
    import pathlib
    
    #加载数据
    def dataloader():
        data_root = '/mnt/Train_Valid_text'  #根目录自行更改
        train_data_root = pathlib.Path(data_root + "/Train")
        valid_data_root = pathlib.Path(data_root + "/Valid")
        #train_valid_data_root = pathlib.Path(data_root + "/Train_valid")
        # test_data_root = pathlib.Path(data_root+"/test")
        label_names = sorted(item.name for item in train_data_root.glob('*/') if item.is_dir())
        print(label_names)
        label_to_index = dict((name, index) for index, name in enumerate(label_names))
        print(label_to_index)
        
        train_all_image_paths = [str(path) for path in list(train_data_root.glob('*/*'))]
        valid_all_image_paths = [str(path) for path in list(valid_data_root.glob('*/*'))]
        #train_valid_all_image_paths = [str(path) for path in list(train_valid_data_root.glob('*/*'))]
        # test_all_image_paths = [str(path) for path in list(test_data_root.glob('*/*'))]
    
        train_all_image_labels = [label_to_index[pathlib.Path(path).parent.name] for path in train_all_image_paths]
        valid_all_image_labels = [label_to_index[pathlib.Path(path).parent.name] for path in valid_all_image_paths]
        #train_valid_all_image_labels = [label_to_index[pathlib.Path(path).parent.name] for path in
                                        #train_valid_all_image_paths]
        # test_all_image_labels = [-1 for i in range(len(test_all_image_paths))]
        print("First 10 images indices: ", train_all_image_labels[:10])
        print("First 10 labels indices: ", train_all_image_labels[:10])
    
        batch_size = 64   #批量大小
        train_ds = tf.data.Dataset.from_tensor_slices((train_all_image_paths, train_all_image_labels)).map(
            transform_train).shuffle(len(train_all_image_paths)).batch(batch_size)
        valid_ds = tf.data.Dataset.from_tensor_slices((valid_all_image_paths, valid_all_image_labels)).map(
            transform_train).shuffle(len(valid_all_image_paths)).batch(batch_size)
        #train_valid_ds = tf.data.Dataset.from_tensor_slices(
            #(train_valid_all_image_paths, train_valid_all_image_labels)).map(transform_train).shuffle(
            #len(train_valid_all_image_paths)).batch(batch_size)
    
        print(train_ds)
        return train_ds, valid_ds, label_names
    
    #模型创建函数
    def creat_model(label_names):
        net = MobileNetV2(
            input_shape=(64, 64, 3),    #输入图片大小为64x64
            weights=None,               #不需要它自带的模型权重
            include_top=False)
        model = tf.keras.Sequential([
            net,
            tf.keras.layers.GlobalAveragePooling2D(),
            tf.keras.layers.Dense(len(label_names), activation='softmax', dtype=tf.float32)
        ])
        model.summary()
        return model

接下来是略微有些差异的地方，主要是数据增强和callback部分，代码如下。下面的transform\_train函数中，包含了一些常用的数据增强操作，根据训练的数据集情况，选择需要的部分，并不是都需要用到。

#数据增强操作
    def transform_train(imgpath,label):
        feature=tf.io.read_file(imgpath)
        feature = tf.image.decode_jpeg(feature,channels=3)
        
        feature = tf.image.resize(feature, size=[64, 64])
        #下面两行代码只在训练图像识别模型时需要用
        #训练文本识别模型时，把这两行代码注释掉，因为没有颠倒的文字
        feature = tf.image.random_flip_left_right(feature)  #左右翻转
        feature = tf.image.random_flip_up_down(feature)    #上下翻转
        # 标准化
        feature = tf.divide(feature, 255.)
        # 正则化
        mean = tf.convert_to_tensor([0.485, 0.456, 0.406])
        std = tf.convert_to_tensor([0.229, 0.224, 0.225])
        feature = tf.divide(tf.subtract(feature, mean), std)
        feature = tf.image.per_image_standardization(feature)	#仅在文本训练时进行标准化处理，图像训练时将本行代码注释掉
        #print(feature,label)
        return tf.image.convert_image_dtype(feature, tf.float32),label
    
    #学习率控制函数，超过一定的训练迭代轮次后，开始逐渐减小学习率，使模型稳定
    #两种模型的训练样本量差异比较大，因此所需要训练的轮次数量也不太一样，
    #那么学习率开始减小的门槛也有不同
    #训练文本识别模型时，总的迭代次数建议不超过70轮，门槛设置在30轮左右比较合适
    #训练图形识别模型时，总的迭代次数建议不超过110轮，基本上100轮即可，门槛可设置在80轮
    def scheduler(epoch):
        if epoch < 30:
            return lr
        else:
            return lr * math.exp(lr_decay * (30 - epoch))

下面就是调用以上函数，开始训练的代码，损失函数为交叉熵损失函数。

if __name__ == '__main__':
        lr = 0.1  #学习率
        lr_decay = 0.01   #学习率衰减系数
        train_ds, valid_ds, label_names = dataloader()
        model = creat_model(label_names)
        model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
        filepath='/mnt/text_model.h5',  #模型存储路径以及名字
        save_weights_only=False,
        monitor='val_accuracy',    #监控指标为验证集的准确率
        mode='max',
        save_best_only=True)  #这个回调函数用以自动保存验证准确率最高的模型
        callback = [tf.keras.callbacks.LearningRateScheduler(scheduler), model_checkpoint_callback]
        model.compile(optimizer=keras.optimizers.SGD(learning_rate=lr, momentum=0.9),
                      loss='sparse_categorical_crossentropy', metrics=['accuracy'])
        history = model.fit(train_ds, epochs=85, validation_data=valid_ds, callbacks=callback)

文本识别模型的训练很快，总体样本量接近9000，利用RTX2070 GPU，7、8分钟左右就可以训练完，Tesla K80 GPU大概需要20分钟；图像识别模型的训练，我训练的数据样本大概在4万张左右，大概需要七八个小时才能训练完。  
训练完之后，可以将训练损失以及准确率可视化一下看看，训练损失可视化代码如下。

import matplotlib.pyplot as plt
    
    plt.plot(history.history['loss'], label='Train loss')
    plt.plot(history.history['val_loss'], label='Valid loss')
    plt.xlabel('epochs')
    plt.ylabel('Loss')
    plt.legend(loc='upper right')
    plt.grid()
    #plt.savefig('/mnt/文本训练损失.jpg')
    plt.show()

准确率可视化代码如下

import matplotlib.pyplot as plt
    
    plt.plot(history.history['accuracy'], label='Train accuracy')
    plt.plot(history.history['val_accuracy'], label='Valid accuracy')
    plt.xlabel('epochs')
    plt.ylabel('Accuracy')
    plt.legend(loc='lower right')
    plt.grid()
    #plt.savefig('/mnt/文本训练准确率.jpg')
    plt.show()

文本识别模型的训练损失和准确率图像如下。文本模型最终的验证准确率可以稳定在99.8%，无限逼近100%。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 1]

图像识别模型的训练损失和准确率图像如下。图像模型最终的验证准确率可以稳定在96.5%左右。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 3]  
以上就是所有的训练以及可视化代码。  
调参：然后再调一调学习率、批量大小等超参数，可以把图像训练的验证准确率提高并稳定在98%。见下图。![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 4]

因为自己的电脑是轻薄笔记本，又不想买台式机，也不想外接显卡，一张好点的显卡也蛮贵的，穷学生手头太穷。。。。。所以就去云平台租机子训练了![在这里插入图片描述][20210330201849709.jpg_pic_center]

我用的训练平台链接：[矩池云][Link 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70]

用过的RTX 2080、RTX 2070、Tesla K80，三种GPU价格分别是：2.5元/h，1.5元/h，1元/h，还是很便宜的。  
平台免费提供5G的网盘，配置也很简单，框架都是集成的，在租机子的时候直接勾选就行，有需要的同学可以去试试看，有啥问题可以问我。

重要的事情说三遍！！  
通过邀请的方式注册，你我都能领大礼包！！！不嫖白不嫖！！  
通过邀请的方式注册，你我都能领大礼包！！！不嫖白不嫖！！  
通过邀请的方式注册，你我都能领大礼包！！！不嫖白不嫖！！

![在这里插入图片描述][20210330203055439.jpg_pic_center]

下面是我的邀请注册方式，包括二维码、网页链接、以及邀请码，随便选一种注册就行，谢谢。  
网页链接：https://www.matpool.com/m/act/invite?fu=132\*\*\*\*9510&ic=0RJ66mduOi1mJX3  
邀请码：0RJ66mduOi1mJX3

![在这里插入图片描述][2021033020321442.jpg_pic_center]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20210401051218624.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221022/ef055cccb76947cfa26c1bbdbe3aac5e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221022/6e1925fa0f1a4da1af13c73974919b9b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221022/efd52179b85c4be1a0fd9b7a6be40780.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20210413135936465.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI=,size_16,color_FFFFFF,t_70#pic_center
[20210330201849709.jpg_pic_center]: https://img-blog.csdnimg.cn/20210330201849709.jpg#pic_center
[Link 1]: https://www.matpool.com/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20210330203805523.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pheV93b25kZXI=,size_16,color_FFFFFF,t_70
[20210330203055439.jpg_pic_center]: https://img-blog.csdnimg.cn/20210330203055439.jpg#pic_center
[2021033020321442.jpg_pic_center]: https://img-blog.csdnimg.cn/2021033020321442.jpg#pic_center