建構數據集

為了練習「建構數據集」這個題目，我們首先必須要有數據集，但實在不容易在短時間內收集到數千張的影像，好在知名人工智能比賽平臺Kaggle上有一個「Dogs and Cats」的影像分類比賽，它提供了大量的貓狗影像，以供測試「深度學習」算法（模型）的正確性。

Google為方便大家測試Colab，再將其減量到訓練用影像貓狗各1000張，驗證用影像貓狗各500張，其數據集樣本大致上如下圖所示。影像沒并沒有特定尺寸，貓狗在影像中占的面積比例、種類、色彩、數量、位置、明暗、遮蔽、背景復雜度也都沒有限制。

Kaggle提供的「Dogs and Cats」數據集樣本

卷積神經網絡模型

這個范例中，主要利用TensorFlow及Keras建構出一個小型的卷積神經網絡（Convolution Neural Network， CNN），共有三層卷積層（包含ReLu及Max Pooling），每個卷積層皆用3×3的濾波器進行卷積動作，三層分別提取16， 32及64組濾波器。接著展開成獨立節(jié)點后，再加入二層全連結層，分別為512及1個節(jié)點，而最后得到的那一個節(jié)點加上Sigmodid函數即為最終輸出的結果，合計共有9，494，561個參數待訓練。

輸出的結果值會介于0．0 ～ 1．0，當值越接近1．0時圖片為狗的機率越高，反之輸出值越接近0．0時圖片判定是貓的機率越高。雖然這個模型雖然不大，但可適用各種圖像的二元分類問題，大家可試著導入自己準備的圖像進行測試。完整模型架構可參考下圖。

卷積神經網絡架構

訓練及驗證

下方圖左為正確率，圖右為損失率，橫軸代表迭代次數，縱軸代表正確（或損失）率；藍線代表訓練集結果，而綠線代表驗證集結果。從圖中可看出藍線在第十次正確率就已超過0．97（97％），而損失率已趨近0，但綠色的線正確率卻沒有繼續(xù)變高，數值約接近0．7（70％），損失率反而逐漸增高。這表示訓練過程已造成過擬合（over fitting）的狀況，需要加入更多不同樣態(tài)及更多數量的數據集再重新訓練才能改善。

左：訓練及驗證準確性，右：訓練及驗證損失

推論結果

接著就可利用前面訓練好的模型（model）來加以推論（或稱為預測）。首先提供一張圖片，并將圖像數據正規(guī)化（150x150x3， Float32），接著進行推論，最后會得到圖像分類結果分數，而分數越接近1．0則表示是狗的機率越高，反之越接近0．0則越可能是貓。我們可以另設幾個自定義門坎值來區(qū)隔分類結果，比方說「這是狗」、「這可能是狗」、「這可能是貓」、「這是貓」等不同結果描述。

為了讓大家更了解深度學習模型運作方式，將各層運作結果輸出到特征圖中，再逐一秀出。如下圖，最上面為原始輸入影像正規(guī)化后的結果圖，再來才是真正導入輸入層的信息，尺寸為150×150共有3組（RGB三通道）。

第一卷積層共產生16個特征圖，conv2d＿1尺寸為148×148，max＿pooling2d＿1尺寸為74×74；第二卷積層共產生32個特征圖，conv2d＿2尺寸為72×72，max＿pooling＿2為36×36；第三卷積層共產生64個特征圖，conv2d＿3尺寸為34×34，max＿pooling＿3為17×17；最后的全連結層（dense）則為單一節(jié)點信息，不易以圖形方式表示，故忽略不處理。

從各層特征圖中可看出，隨著影像尺寸縮小其被激活的像素越來越少，甚至完全不輸出（全黑），表示其特征已被某些卷積（濾波器）給凸顯出來。對于我們所需的圖像分類（辨識）能力也逐漸增強了。

推論結果可視化

結論

Google Colaboratory這項免費的云端GPU資源實在很方便剛入門的伙伴進行「深度學習」（一語雙關），它不會因為個人計算機（筆電）的配備等級不同，而影響模型訓練及推論的效能。同時，可輕易的分享代碼給其它想學的人，對開源社群更是一大助力。希望不久的將來有更多伙伴能一起加入研究及分享，讓更多人工智能的應用能加速落地。

完整代碼及說明，請參閱Github．

作者：許哲豪