站在巨人的肩膀上：遷移學習

摘要： 在上一篇文章《 使用資料增強技術提升模型泛化能力 》中，我們針對訓練資料不足的問題，提出採用資料增強（data augmentation）技術，提升模型的準確率。最終結果是：在17flowers資料集上，我們將準確率從60%多增加到70%，取得了不錯的效果。然而，對於一個商業應用來說，70%...

在上一篇文章《 使用資料增強技術提升模型泛化能力 》中，我們針對訓練資料不足的問題，提出採用資料增強（data augmentation）技術，提升模型的準確率。最終結果是：在17flowers資料集上，我們將準確率從60%多增加到70%，取得了不錯的效果。然而，對於一個商業應用來說，70%多的準確率還是有些拿不出手。我們還有更好的手段嗎？

在這篇文章中，我將介紹一種深度學習的利器：遷移學習（transfer learning），來幫助我們提高深度學習的準確率。

遷移學習

對於深度學習而言，遷移學習並不是一個高深的概念和技術。顧名思義，遷移學習就是把已經訓練好的模型引數遷移到新的模型上，幫助新模型訓練。這也近似於人類的學習過程，即所謂的舉一反三。

在我之前寫的一篇文章《 TensorFlow Hub：探索機器學習元件化 》中，我憧憬了未來的機器學習元件化的場景，這其中最核心的就是遷移學習，我們能夠在其他人訓練的模型的基礎上，根據業務需求，訓練滿足特定需求的機器學習模型。

遷移學習領域有一篇公認的比較好的綜述：A Survey on Transfer Learning，有興趣可以找來看看。當然這篇論文是很早以前的（2013），裡面沒有介紹最新的研究。如果你對理論沒啥興趣，沒有關係，不影響閱讀後面的內容。

遷移學習是如何做到改善模型的呢？這要從特徵提取說起。

特徵提取

所謂特徵，就是一事物異於其他事物的特點。比如，我們判斷動物是否昆蟲，有一個簡單的原則：少於三對或多於三對足的動物都不是昆蟲。再比如我們識別貓和狗，也一定是從某些特徵入手，雖然有些時候我們並不能清晰的描述出特徵。

在深度學習流行之前，人們通常手工提取特徵，這通常面臨著特徵提取困難、效率低下等問題。到了深度學習階段，我們通常採用端到端的訓練方式，也就是由計算機自動識別特徵（

為了提高效率，訓練前，我們也可能會對資料進行預處理，比如歸一化、圖片縮放等等，但這和以前的特徵提取並不是一回事）。

在計算機視覺領域，卷積神經網路是應用得最廣泛的模型，瞭解卷積神經網路的同學可能知道，卷積運算實際上是進行影象特徵的提取，到最後一層，才是進行分類（softmax、logistic），所以如果我們獲得最後一層的輸入，也就得到了提取的特徵。

這個在keras中很容易做到，以VGG16為例：

model = VGG16(weights="imagenet", include_top=False)

以上程式碼構造VGG16模型，採用imagenet資料集訓練出的權重，include_top引數決定是否包含最後的輸出層，因為我們的目的是提取特徵，所以該引數設為False。

下面的程式碼對資料集進行特徵提取，並儲存到hdf5格式的檔案中，雖然我們無法形象化的看出到底提取到什麼特徵，但這個資料對下一步的遷移學習有用。

image_paths = list(paths.list_images(args["dataset"]))
random.shuffle(image_paths)

labels = [p.split(os.path.sep)[-2] for p in image_paths]
le = LabelEncoder()
labels = le.fit_transform(labels)

model = VGG16(weights="imagenet", include_top=False)

dataset = HDF5DatasetWriter((len(image_paths), 512 * 7 * 7), args["output"], data_key="features", buf_size=args["buffer_size"])
dataset.store_class_labels(le.classes_)

for i in np.arange(0, len(image_paths), bs):
batch_paths = image_paths[i : i+bs]
batch_labels = labels[i : i + bs]
batch_images = []

for (j, image_path) in enumerate(batch_paths):
image = load_img(image_path, target_size=(224, 224))
image = img_to_array(image)

image = np.expand_dims(image, axis=0)
image = imagenet_utils.preprocess_input(image)
batch_images.append(image)

batch_images = np.vstack(batch_images)
features = model.predict(batch_images, batch_size=bs)
features = features.reshape((features.shape[0], 512 * 7 * 7))
dataset.add(features, batch_labels)

dataset.close()

遷移學習例項

在上一步的特徵提取中，使用的權重資料是來自imagenet資料集訓練出的，imagenet屬於超大規模資料集，包含1500萬張圖片，對應2萬多種類別。這樣的資料集，和17flowers資料集的差別很大，那我們能否使用VGG16提取17flowers的有效特徵，然後進行分類呢？

我們使用上一步驟提取的特徵，然後應用簡單的Logistic迴歸演算法進行分類：

db = h5py.File(args["db"], "r")
i = int(db["labels"].shape[0] * 0.75)

print("[INFO] tuning hyperparameters ...")
params = {"C": [0.1, 1.0, 10.0, 100.0, 1000.0, 10000.0]}
model = GridSearchCV(LogisticRegression(), params, cv=3, n_jobs=args["jobs"])
model.fit(db["features"][:i], db["labels"][:i])
print("[INFO] best hyperparameters: {}".format(model.best_params_))

print("[INFO] evaluating ...")
preds = model.predict(db["features"][i:])
print(classification_report(db["labels"][i:], preds, target_names=db["label_names"]))

print("[INFO] saving model ...")
f = open(args["model"], "w")
f.write(pickle.dumps(model.best_estimator_))
f.close()

db.close()

結果如下：

有沒有感覺到意外，準確率達到了不可思議的93%，要知道我們使用的VGG16模型是使用imagenet資料集訓練出的權重，其類別和17flowers有天壤之別，但這種遷移學習效果就是這麼明顯。這也證明了，諸如VGG之類的網路能夠進行遷移學習，將其判別特徵編碼為輸出，我們可以使用它來訓練我們自己的自定義影象分類器。

總結

通常，遷移學習應用於深度學習和計算機視覺時，有兩種方法：

1. 將網路視為特徵提取器，將影象向前傳播到給定層，將它們視為特徵向量。

2. 通過向網路頭部新增一組全新的全連線層並調整這些FC層以識別新類（同時仍使用相同的基礎CONV過濾器）來微調網路。

本文探討的是第一種方法，我們將VGG、Inception、ResNet作為強大的特徵提取器，可以讓我們在數量有限的資料集也能訓練出效果不錯的模型。

以上例項均有完整的程式碼，點選 閱讀原文 ，跳轉到我在github上建的示例程式碼。

另外，我在閱讀《Deep Learning for Computer Vision with Python》這本書，在微信公眾號後臺回覆“計算機視覺”關鍵字，可以免費下載這本書的電子版。

往期回顧