HTML CSS JAVASCRIPT PYTHON PYTHON2 JAVA C C++ C# SQL Excel Linux AI BOOTSTRAP PHP 教程库 参考手册 技术文章 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

CNTK - 神经网络分类

在本章中，我们将研究如何使用 CNTK 对神经网络进行分类。

简介

分类可以定义为预测给定输入数据的分类输出标签或响应的过程。分类输出将基于模型在训练阶段学到的内容，可以采用"黑色"或"白色"或"垃圾邮件"或"非垃圾邮件"等形式。

另一方面，从数学上讲，它是从输入变量(例如 X)到输出变量(例如 Y)近似映射函数(例如 f)的任务。

分类问题的一个典型示例是电子邮件中的垃圾邮件检测。显然，输出结果只能分为两类："垃圾邮件"和"非垃圾邮件"。

要实现这种分类，我们首先需要对分类器进行训练，其中"垃圾邮件"和"非垃圾邮件"电子邮件将用作训练数据。一旦分类器训练成功，它就可以用来检测未知电子邮件。

在这里，我们将使用鸢尾花数据集创建一个 4-5-3 NN，具有以下 −

  • 4 个输入节点(每个预测值一个)。

  • 5 个隐藏处理节点。

  • 3 个输出节点(因为鸢尾花数据集中有三种可能的物种)。

加载数据集

我们将使用鸢尾花数据集，我们希望根据萼片宽度和长度以及花瓣宽度和长度的物理特性对鸢尾花的种类进行分类。数据集描述了不同品种鸢尾花的物理特性 −

  • 萼片长度

  • 萼片宽度

  • 花瓣长度

  • 花瓣宽度

  • 类别，即山鸢尾、杂色鸢尾或维吉尼亚鸢尾

我们有 iris.CSV 文件，我们在之前的章节中也使用过它。它可以在 Pandas 库的帮助下加载。但是，在使用它或为我们的分类器加载它之前，我们需要准备训练和测试文件，以便可以轻松地与 CNTK 一起使用它。

准备训练和测试文件

鸢尾花数据集是 ML 项目最受欢迎的数据集之一。它有 150 个数据项，原始数据如下 −

5.1 3.5 1.4 0.2 setosa
4.9 3.0 1.4 0.2 setosa
…
7.0 3.2 4.7 1.4 versicolor
6.4 3.2 4.5 1.5 versicolor
…
6.3 3.3 6.0 2.5 virginica
5.8 2.7 5.1 1.9 virginica

如前所述，每行的前四个值描述了不同品种的物理特性，即鸢尾花的萼片长度、萼片宽度、花瓣长度、花瓣宽度。

但是，我们应该将数据转换为 CNTK 可以轻松使用的格式，该格式是 .ctf 文件(我们在上一节中也创建了一个 iris.ctf)。它看起来如下 −

|attribs 5.1 3.5 1.4 0.2|species 1 0 0
|attribs 4.9 3.0 1.4 0.2|species 1 0 0
…
|attribs 7.0 3.2 4.7 1.4|species 0 1 0
|attribs 6.4 3.2 4.5 1.5|species 0 1 0
…
|attribs 6.3 3.3 6.0 2.5|species 0 0 1
|attribs 5.8 2.7 5.1 1.9|species 0 0 1

在上述数据中，|attribs 标签标记特征值的开始，|species 标记类别标签值。我们还可以使用任何其他标签名称，甚至还可以添加项目 ID。例如，查看以下数据 −

|ID 001 |attribs 5.1 3.5 1.4 0.2|species 1 0 0 |#setosa
|ID 002 |attribs 4.9 3.0 1.4 0.2|species 1 0 0 |#setosa
…
|ID 051 |attribs 7.0 3.2 4.7 1.4|species 0 1 0 |#versicolor
|ID 052 |attribs 6.4 3.2 4.5 1.5|species 0 1 0 |#versicolor
…

鸢尾花数据集中共有 150 个数据项，对于此示例，我们将使用 80-20 保留数据集规则，即80%(120 项)数据项用于训练目的，剩余 20%(30 项)数据项用于测试目的。

构建分类模型

首先，我们需要处理 CNTK 格式的数据文件，为此我们将使用名为 create_reader 的辅助函数，如下所示 −

def create_reader(path, input_dim, output_dim, rnd_order, sweeps):
x_strm = C.io.StreamDef(field='attribs', shape=input_dim, is_sparse=False)
y_strm = C.io.StreamDef(field='species', shape=output_dim, is_sparse=False)
streams = C.io.StreamDefs(x_src=x_strm, y_src=y_strm)
deserial = C.io.CTFDeserializer(path, streams)
mb_src = C.io.MinibatchSource(deserial, randomize=rnd_order, max_sweeps=sweeps)
return mb_src

现在，我们需要为我们的 NN 设置架构参数，并提供数据文件的位置。这可以借助以下 Python 代码完成 −

def main():
print("Using CNTK version = " + str(C.__version__) + "
")
input_dim = 4
hidden_dim = 5
output_dim = 3
train_file = ".\...\" #provide the name of the training file(120 data items)
test_file = ".\...\" #provide the name of the test file(30 data items)

现在，借助以下代码行，我们的程序将创建未经训练的 NN −

X = C.ops.input_variable(input_dim, np.float32)
Y = C.ops.input_variable(output_dim, np.float32)
with C.layers.default_options(init=C.initializer.uniform(scale=0.01, seed=1)):
hLayer = C.layers.Dense(hidden_​​dim,activation=C.ops.tanh,name='hidLayer')(X)
oLayer = C.layers.Dense(output_dim,activation=None,name='outLayer')(hLayer)
nnet = oLayer
model = C.ops.softmax(nnet)

现在，一旦我们创建双重未训练模型，我们需要设置一个 Learner 算法对象，然后使用它来创建一个 Trainer 训练对象。我们将使用 SGD 学习器和 cross_entropy_with_softmax 损失函数 −

tr_loss = C.cross_entropy_with_softmax(nnet, Y)
tr_clas = C.classification_error(nnet, Y)
max_iter = 2000
batch_size = 10
learn_rate = 0.01
learner = C.sgd(nnet.parameters, learn_rate)
trainer = C.Trainer(nnet, (tr_loss, tr_clas), [learner])

按如下方式编写学习算法 −

max_iter = 2000
batch_size = 10
lr_schedule = C.learning_parameter_schedule_per_sample([(1000, 0.05), (1, 0.01)])
mom_sch = C.momentum_schedule([(100, 0.99), (0, 0.95)], batch_size)
learner = C.fsadagrad(nnet.parameters, lr=lr_schedule, momentum=mom_sch)
trainer = C.Trainer(nnet, (tr_loss, tr_clas), [learner])

现在，一旦我们完成了 Trainer 对象，我们需要创建一个读取器函数来读取训练数据−

rdr = create_reader(train_file, input_dim, output_dim, rnd_order=True, sweeps=C.io.INFINITELY_REPEAT)
iris_input_map = { X : rdr.streams.x_src, Y : rdr.streams.y_src }

现在是时候训练我们的 NN 模型了−

for i in range(0, max_iter):
curr_batch = rdr.next_minibatch(batch_size, input_map=iris_input_map) trainer.train_minibatch(curr_batch)
if i % 500 == 0:
mcee = trainer.previous_minibatch_loss_average
macc = (1.0 - trainer.previous_minibatch_evaluation_average) * 100
print("batch %4d: mean loss = %0.4f, accuracy = %0.2f%% " \ % (i, mcee, macc))

一旦完成训练，让我们使用测试数据项 − 来评估模型

print("
Evaluating test data 
")
rdr = create_reader(test_file, input_dim, output_dim, rnd_order=False, sweeps=1)
iris_input_map = { X : rdr.streams.x_src, Y : rdr.streams.y_src }
num_test = 30
all_test = rdr.next_minibatch(num_test, input_map=iris_input_map) acc = (1.0 - trainer.test_minibatch(all_test)) * 100
print("Classification accuracy = %0.2f%%" % acc)

在评估我们训练的 NN 模型的准确率后，我们将使用它对未见数据进行预测 −

np.set_printoptions(precision = 1, suppress=True)
unknown = np.array([[6.4, 3.2, 4.5, 1.5]], dtype=np.float32)
print("
Predicting Iris species for input features: ")
print(unknown[0]) pred_prob = model.eval(unknown)
np.set_printoptions(precision = 4, suppress=True)
print("Prediction probabilities are: ")
print(pred_prob[0])

完整分类模型

Import numpy as np
Import cntk as C
def create_reader(path, input_dim, output_dim, rnd_order, sweeps):
x_strm = C.io.StreamDef(field='attribs', shape=input_dim, is_sparse=False)
y_strm = C.io.StreamDef(field='species', shape=output_dim, is_sparse=False)
streams = C.io.StreamDefs(x_src=x_strm, y_src=y_strm)
deserial = C.io.CTFDeserializer(path, streams)
mb_src = C.io.MinibatchSource(deserial, randomize=rnd_order, max_sweeps=sweeps)
return mb_src
def main():
print("Using CNTK version = " + str(C.__version__) + "
")
input_dim = 4
hidden_dim = 5
output_dim = 3
train_file = ".\...\" #provide the name of the training file(120 data items)
test_file = ".\...\" #provide the name of the test file(30 data items)
X = C.ops.input_variable(input_dim, np.float32)
Y = C.ops.input_variable(output_dim, np.float32)
with C.layers.default_options(init=C.initializer.uniform(scale=0.01, seed=1)):
hLayer = C.layers.Dense(hidden_dim, activation=C.ops.tanh, name='hidLayer')(X)
oLayer = C.layers.Dense(output_dim, activation=None, name='outLayer')(hLayer)
nnet = oLayer
model = C.ops.softmax(nnet)
tr_loss = C.cross_entropy_with_softmax(nnet, Y)
tr_clas = C.classification_error(nnet, Y)
max_iter = 2000
batch_size = 10
learn_rate = 0.01
learner = C.sgd(nnet.parameters, learn_rate)
trainer = C.Trainer(nnet, (tr_loss, tr_clas), [learner])
max_iter = 2000
batch_size = 10
lr_schedule = C.learning_parameter_schedule_per_sample([(1000, 0.05), (1, 0.01)])
mom_sch = C.momentum_schedule([(100, 0.99), (0, 0.95)], batch_size)
learner = C.fsadagrad(nnet.parameters, lr=lr_schedule, momentum=mom_sch)
trainer = C.Trainer(nnet, (tr_loss, tr_clas), [learner])
rdr = create_reader(train_file, input_dim, output_dim, rnd_order=True, sweeps=C.io.INFINITELY_REPEAT)
iris_input_map = { X : rdr.streams.x_src, Y : rdr.streams.y_src }
for i in range(0, max_iter):
curr_batch = rdr.next_minibatch(batch_size, input_map=iris_input_map) trainer.train_minibatch(curr_batch)
if i % 500 == 0:
mcee = trainer.previous_minibatch_loss_average
macc = (1.0 - trainer.previous_minibatch_evaluation_average) * 100
print("batch %4d: mean loss = %0.4f, accuracy = %0.2f%% " \ % (i, mcee, macc))
print("
Evaluating test data 
")
rdr = create_reader(test_file, input_dim, output_dim, rnd_order=False, sweeps=1)
iris_input_map = { X : rdr.streams.x_src, Y : rdr.streams.y_src }
num_test = 30
all_test = rdr.next_minibatch(num_test, input_map=iris_input_map) acc = (1.0 - trainer.test_minibatch(all_test)) * 100
print("Classification accuracy = %0.2f%%" % acc)
np.set_printoptions(precision = 1, suppress=True)
unknown = np.array([[7.0, 3.2, 4.7, 1.4]], dtype=np.float32)
print("
Predicting species for input features: ")
print(unknown[0])
pred_prob = model.eval(unknown)
np.set_printoptions(precision = 4, suppress=True)
print("Prediction probabilities: ")
print(pred_prob[0])
if __name__== "__main__":
main()

输出

Using CNTK version = 2.7
batch 0: mean loss = 1.0986, mean accuracy = 40.00%
batch 500: mean loss = 0.6677, mean accuracy = 80.00%
batch 1000: mean loss = 0.5332, mean accuracy = 70.00%
batch 1500: mean loss = 0.2408, mean accuracy = 100.00%
Evaluating test data
Classification accuracy = 94.58%
Predicting species for input features:
[7.0 3.2 4.7 1.4]
Prediction probabilities:
[0.0847 0.736 0.113]

保存训练好的模型

这个鸢尾花数据集只有 150 个数据项，因此训练 NN 分类器模型只需几秒钟，但训练包含数百或数千个数据项的大型数据集可能需要数小时甚至数天。

我们可以保存我们的模型，这样我们就不必从头开始保留它。借助以下 Python 代码，我们可以保存训练好的 NN −

nn_classifier = ".\neuralclassifier.model" # 提供文件的名称
model.save(nn_classifier, format=C.ModelFormat.CNTKv2)

以下是上面使用的 save() 函数的参数 −

  • 文件名是 save() 函数的第一个参数。它也可以与文件路径一起写入。

  • 另一个参数是format参数，其默认值为C.ModelFormat.CNTKv2。

加载训练好的模型

保存训练好的模型后，加载该模型非常容易。我们只需要使用load()函数。让我们在下面的例子中检查一下 −

import numpy as np
import cntk as C
model = C.ops.functions.Function.load(".\neuralclassifier.model")
np.set_printoptions(precision = 1, suppress=True)
unknown = np.array([[7.0, 3.2, 4.7, 1.4]], dtype=np.float32)
print("
Predicting species for input features: ")
print(unknown[0])
pred_prob = model.eval(unknown)
np.set_printoptions(precision = 4, suppress=True)
print("Prediction probabilities: ")
print(pred_prob[0])

保存模型的好处是，一旦您加载了保存的模型，就可以像刚刚训练过的模型一样使用它。

❮ 上一节 下一节 ❯