建构数据集

为了练习「建构数据集」这个题目，我们首先必须要有数据集，但实在不容易在短时间内收集到数千张的影像，好在知名人工智能比赛平台Kaggle上有一个「Dogs and Cats」的影像分类比赛，它提供了大量的猫狗影像，以供测试「深度学习」算法（模型）的正确性。

Google为方便大家测试Colab，再将其减量到训练用影像猫狗各1000张，验证用影像猫狗各500张，其数据集样本大致上如下图所示。影像没并没有特定尺寸，猫狗在影像中占的面积比例、种类、色彩、数量、位置、明暗、遮蔽、背景复杂度也都没有限制。

Kaggle提供的「Dogs and Cats」数据集样本

卷积神经网络模型

这个范例中，主要利用TensorFlow及Keras建构出一个小型的卷积神经网络（Convolution Neural Network， CNN），共有三层卷积层（包含ReLu及Max Pooling），每个卷积层皆用3×3的滤波器进行卷积动作，三层分别提取16， 32及64组滤波器。接着展开成独立节点后，再加入二层全连结层，分别为512及1个节点，而最后得到的那一个节点加上Sigmodid函数即为最终输出的结果，合计共有9，494，561个参数待训练。

输出的结果值会介于0．0 ～ 1．0，当值越接近1．0时图片为狗的机率越高，反之输出值越接近0．0时图片判定是猫的机率越高。虽然这个模型虽然不大，但可适用各种图像的二元分类问题，大家可试着导入自己准备的图像进行测试。完整模型架构可参考下图。

卷积神经网络架构

训练及验证

下方图左为正确率，图右为损失率，横轴代表迭代次数，纵轴代表正确（或损失）率；蓝线代表训练集结果，而绿线代表验证集结果。从图中可看出蓝线在第十次正确率就已超过0．97（97％），而损失率已趋近0，但绿色的线正确率却没有继续变高，数值约接近0．7（70％），损失率反而逐渐增高。这表示训练过程已造成过拟合（over fitting）的状况，需要加入更多不同样态及更多数量的数据集再重新训练才能改善。

左：训练及验证准确性，右：训练及验证损失

推论结果

接着就可利用前面训练好的模型（model）来加以推论（或称为预测）。首先提供一张图片，并将图像数据正规化（150x150x3， Float32），接着进行推论，最后会得到图像分类结果分数，而分数越接近1．0则表示是狗的机率越高，反之越接近0．0则越可能是猫。我们可以另设几个自定义门坎值来区隔分类结果，比方说「这是狗」、「这可能是狗」、「这可能是猫」、「这是猫」等不同结果描述。

为了让大家更了解深度学习模型运作方式，将各层运作结果输出到特征图中，再逐一秀出。如下图，最上面为原始输入影像正规化后的结果图，再来才是真正导入输入层的信息，尺寸为150×150共有3组（RGB三通道）。

第一卷积层共产生16个特征图，conv2d＿1尺寸为148×148，max＿pooling2d＿1尺寸为74×74；第二卷积层共产生32个特征图，conv2d＿2尺寸为72×72，max＿pooling＿2为36×36；第三卷积层共产生64个特征图，conv2d＿3尺寸为34×34，max＿pooling＿3为17×17；最后的全连结层（dense）则为单一节点信息，不易以图形方式表示，故忽略不处理。

从各层特征图中可看出，随着影像尺寸缩小其被激活的像素越来越少，甚至完全不输出（全黑），表示其特征已被某些卷积（滤波器）给凸显出来。对于我们所需的图像分类（辨识）能力也逐渐增强了。

推论结果可视化

结论

Google Colaboratory这项免费的云端GPU资源实在很方便刚入门的伙伴进行「深度学习」（一语双关），它不会因为个人计算机（笔电）的配备等级不同，而影响模型训练及推论的效能。同时，可轻易的分享代码给其它想学的人，对开源社群更是一大助力。希望不久的将来有更多伙伴能一起加入研究及分享，让更多人工智能的应用能加速落地。

完整代码及说明，请参阅Github．

作者：许哲豪