用卷積神經(jīng)網(wǎng)絡(luò)檢測臉部關(guān)鍵點的教程（一）

這是一個手把手教你學習深度學校的教程。一步一步，我們將要嘗試去解決Kaggle challenge中的臉部關(guān)鍵點的檢測問題。

這份教程介紹了Lasagne，一個比較新的基于Python和Theano的神經(jīng)網(wǎng)絡(luò)庫。我們將用Lasagne去模擬一系列的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，討論一下數(shù)據(jù)增強(data augmentaTIon)、流失(dropout)、結(jié)合動量(momentum)和預先訓練(pre-training)。這里有很多方法可以將我們的結(jié)果改善不少。

我假設(shè)諸位已經(jīng)知道了一些關(guān)于神經(jīng)網(wǎng)絡(luò)的只是。所以我們就不介紹神經(jīng)網(wǎng)絡(luò)的背景知識了。這里也提供一些好的介紹神經(jīng)網(wǎng)絡(luò)的書籍和視頻，如Neural Networks and Deep Learning online book。Alec Radford的演講Deep Learning with Python’s Theano library也是一個快速介紹的好例子。以及ConvNetJS Browser Demos

預先準備

如果你只需要看懂的話，則不需要自己寫一個代碼然后去執(zhí)行。這里提供一些安裝的教程給那些配置好CUDA的GPU并且想要運行試驗的那些人。

我假設(shè)你們已經(jīng)安裝了CUDA toolkit, Python 2.7.x, numpy, pandas, matplotlib, 和scikit-learn。安裝剩下的依賴包，比如Lasagne和Theano都可以運行下面的指令
pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requiremen...

注意，為了簡潔起見，我沒有在命令中創(chuàng)建虛擬環(huán)境，但是你需要的。

譯者：我是在windows10上面配置這個環(huán)境的，安裝anaconda（再用此環(huán)境安裝依賴包）、VS2013（不推薦2015）、CUDA工具即可。

如果一切都順利的話，你將會在你的虛擬環(huán)境下的src/lasagne/examples/目錄中找到mnist.py并運行MNIST例子。這是一個對于神經(jīng)網(wǎng)絡(luò)的“Hello world”程序。數(shù)據(jù)中有十個分類，分別是0~9的數(shù)字，輸入時28&TImes;28的手寫數(shù)字圖片。

cd src/lasagne/examples/
python mnist.py

此命令將在三十秒左右后開始打印輸出。 這需要一段時間的原因是，Lasagne使用Theano做重型起重; Theano反過來是一個“優(yōu)化GPU元編程代碼生成面向數(shù)組的優(yōu)化Python數(shù)學編譯器”，它將生成需要在訓練發(fā)生前編譯的C代碼。 幸運的是，我們組需要在第一次運行時支付這個開銷的價格。

譯者：如果沒有配置GPU，用的是CPU的話，應該是不用這么久的編譯時間，但是執(zhí)行時間有一些長。如果用GPU，在第一次跑一些程序的時候，會有提示正在編譯的內(nèi)容。

當訓練開始的時候，你會看到
Epoch 1 of 500
training loss: 1.352731
validaTIon loss: 0.466565
validaTIon accuracy: 87.70 %
Epoch 2 of 500
training loss: 0.591704
validation loss: 0.326680
validation accuracy: 90.64 %
Epoch 3 of 500
training loss: 0.464022
validation loss: 0.275699
validation accuracy: 91.98 %
…

如果你讓訓練運行足夠長，你會注意到，在大約75代之后，它將達到大約98％的測試精度。

如果你用的是GPU，你想要讓Theano去使用它，你要在用戶的主文件夾下面創(chuàng)建一個.theanorc文件。你需要根據(jù)自己安裝環(huán)境以及自己操作系統(tǒng)的配置使用不同的配置信息：
[global]
floatX = float32
device = gpu0

[lib]
cnmem = 1

譯者：這是我的配置文件。

[cuba]
root = C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0
[global]
openmp = False
device = gpu
floatX = float32
allow_input_downcast = True

[nvcc]
fastmath = True
flags = -IC:Anaconda2libs
compiler_bindir = C:Program Files (x86)Microsoft Visual Studio 12.0VCbin
base_compiledir = path_to_a_directory_without_such_characters

[blas]
ldflags =

[gcc]
cxxflags = -IC:Anaconda2MinGW

數(shù)據(jù)

面部關(guān)鍵點檢測的訓練數(shù)據(jù)集包括7049(96x96)個灰度圖像。 對于每個圖像，我們應該學習找到15個關(guān)鍵點的正確位置（x和y坐標），例如
left_eye_center
right_eye_outer_corner
mouth_center_bottom_lip

一個臉部標記出三個關(guān)鍵點的例子。

數(shù)據(jù)集的一個有趣的變化是，對于一些關(guān)鍵點，我們只有大約2,000個標簽，而其他關(guān)鍵點有7,000多個標簽可用于訓練。

讓我們編寫一些Python代碼，從所提供的CSV文件加載數(shù)據(jù)。 我們將編寫一個可以加載訓練和測試數(shù)據(jù)的函數(shù)。 這兩個數(shù)據(jù)集的區(qū)別在于測試數(shù)據(jù)不包含目標值; 這是預測這些問題的目標。 這里是我們的load()函數(shù)：
# file kfkd.py
import os

import numpy as np
from pandas.io.parsers import read_csv
from sklearn.utils import shuffle

FTRAIN = ~/data/kaggle-facial-keypoint-detection/training.csv
FTEST = ~/data/kaggle-facial-keypoint-detection/test.csv

def load(test=False, cols=None):
Loads data from FTEST if *test* is True, otherwise from FTRAIN.
Pass a list of *cols* if youre only interested in a subset of the
target columns.

fname = FTEST if test else FTRAIN
df = read_csv(os.path.expanduser(fname)) # load pandas dataframe

# The Image column has pixel values separated by space; convert
# the values to numpy arrays:
df[Image] = df[Image].apply(lambda im: np.fromstring(im, sep= ))

if cols: # get a subset of columns
df = df[list(cols) + [Image]]

print(df.count()) # prints the number of values for each column
df = df.dropna() # drop all rows that have missing values in them

X = np.vstack(df[Image].values) / 255. # scale pixel values to [0, 1]
X = X.astype(np.float32)

if not test: # only FTRAIN has any target columns
y = df[df.columns[:-1]].values
y = (y - 48) / 48 # scale target coordinates to [-1, 1]
X, y = shuffle(X, y, random_state=42) # shuffle train data
y = y.astype(np.float32)
else:
y = None

return X, y

X, y = load()
print(X.shape == {}; X.min == {:.3f}; X.max == {:.3f}.format(
X.shape, X.min(), X.max()))
print(y.shape == {}; y.min == {:.3f}; y.max == {:.3f}.format(
y.shape, y.min(), y.max()))

你沒有必要看懂這個函數(shù)的每一個細節(jié)。 但讓我們看看上面的腳本輸出：
$ python kfkd.py
left_eye_center_x 7034
left_eye_center_y 7034
right_eye_center_x 7032
right_eye_center_y 7032
left_eye_inner_corner_x 2266
left_eye_inner_corner_y 2266
left_eye_outer_corner_x 2263
left_eye_outer_corner_y 2263
right_eye_inner_corner_x 2264
right_eye_inner_corner_y 2264
…
mouth_right_corner_x 2267
mouth_right_corner_y 2267
mouth_center_top_lip_x 2272
mouth_center_top_lip_y 2272
mouth_center_bottom_lip_x 7014
mouth_center_bottom_lip_y 7014
Image 7044
dtype: int64
X.shape == (2140, 9216); X.min == 0.000; X.max == 1.000
y.shape == (2140, 30); y.min == -0.920; y.max == 0.996

首先，它打印出了CSV文件中所有列的列表以及每個列的可用值的數(shù)量。 因此，雖然我們有一個圖像的訓練數(shù)據(jù)中的所有行，我們對于mouth_right_corner_x只有個2,267的值等等。

load()返回一個元組(X，y)，其中y是目標矩陣。 y的形狀是n×m的，其中n是具有所有m個關(guān)鍵點的數(shù)據(jù)集中的樣本數(shù)。 刪除具有缺失值的所有行是這行代碼的功能：
df = df.dropna() # drop all rows that have missing values in them

這個腳本輸出的y.shape == (2140, 30)告訴我們，在數(shù)據(jù)集中只有2140個圖像有著所有30個目標值。

一開始，我們將僅訓練這2140個樣本。 這使得我們比樣本具有更多的輸入大?。?,216）; 過度擬合可能成為一個問題。當然，拋棄70％的訓練數(shù)據(jù)也是一個壞主意。但是目前就這樣，我們將在后面談?wù)摗?/p>

第一個模型：一個單隱層

現(xiàn)在我們已經(jīng)完成了加載數(shù)據(jù)的工作，讓我們使用Lasagne并創(chuàng)建一個帶有一個隱藏層的神經(jīng)網(wǎng)絡(luò)。 我們將從代碼開始：
# add to kfkd.py
from lasagne import layers
from lasagne.updates import nesterov_momentum
from nolearn.lasagne import NeuralNet

net1 = NeuralNet(
layers=[ # three layers: one hidden layer
(input, layers.InputLayer),
(hidden, layers.DenseLayer),
(output, layers.DenseLayer),
],
# layer parameters:
input_shape=(None, 9216), # 96x96 input pixels per batch
hidden_num_units=100, # number of units in hidden layer
output_nonlinearity=None, # output layer uses identity function
output_num_units=30, # 30 target values

# optimization method:
update=nesterov_momentum,
update_learning_rate=0.01,
update_momentum=0.9,

regression=True, # flag to indicate were dealing with regression problem
max_epochs=400, # we want to train this many epochs
verbose=1,
)

X, y = load()
net1.fit(X, y)

我們使用相當多的參數(shù)來初始化NeuralNet。讓我們看看他們。首先是三層及其參數(shù)：
layers=[ # 三層神經(jīng)網(wǎng)絡(luò)：一個隱層
(input, layers.InputLayer),
(hidden, layers.DenseLayer),
(output, layers.DenseLayer),
],
# 層的參數(shù):
input_shape=(None, 9216), # 每個批次96x96個輸入樣例
hidden_num_units=100, # 隱層中的單元數(shù)
output_nonlinearity=None, # 輸出用的激活函數(shù)
output_num_units=30, # 30個目標值

這里我們定義輸入層，隱藏層和輸出層。在層參數(shù)中，我們命名并指定每個層的類型及其順序。參數(shù)input_shape，hidden_??num_units，output_nonlinearity和output_num_units是特定層的參數(shù)。它們通過它們的前綴引用層，使得input_shape定義輸入層的shape參數(shù)，hidden_??num_units定義隱藏層的num_units等等。（看起來有點奇怪，我們必須指定像這樣的參數(shù)，但結(jié)果是它讓我們對于受使用scikit-learn的管道和參數(shù)搜索功能擁有更好的兼容性。）

我們將input_shape的第一個維度設(shè)置為None。這轉(zhuǎn)換為可變批量大小。如果你知道批量大小的話，也可以設(shè)置成固定值，如果為None，則是可變值。

我們將output_nonlinearity設(shè)置為None。因此，輸出單元的激活僅僅是隱藏層中的激活的線性組合。

DenseLayer使用的默認非線性是rectifier，它其實就是返回max(0, x)。它是當今最受歡迎的激活功能選擇。通過不明確設(shè)置hidden_??nonlinearity，我們選擇rectifier作為我們隱藏層的激活函數(shù)。

神經(jīng)網(wǎng)絡(luò)的權(quán)重用具有巧妙選擇的間隔的均勻分布來初始化。也就是說，Lasagne使用“Glorot-style”初始化來計算出這個間隔。

還有幾個參數(shù)。 所有以update開頭的參數(shù)用來表示更新方程（或最優(yōu)化方法）的參數(shù)。 更新方程將在每個批次后更新我們網(wǎng)絡(luò)的權(quán)重。 我們將使用涅斯捷羅夫動量梯度下降優(yōu)化方法（nesterov_momentum gradient descent optimization method）來完成這項工作。Lasagne實現(xiàn)的其他方法有很多，如adagrad和rmsprop。我們選擇nesterov_momentum，因為它已經(jīng)證明對于大量的問題很好地工作。
”’ optimization method: ””
update=nesterov_momentum,
update_learning_rate=0.01,
update_momentum=0.9,

update_learning_rate定義了梯度下降更新權(quán)重的步長。我們稍后討論學習率和momentum參數(shù)，現(xiàn)在的話，這種健全的默認值已經(jīng)足夠了。

上圖是不同的最優(yōu)化方法的對比（animation by?Alec Radford）。星標位置為全局最優(yōu)值。注意到不添加動量的隨機梯度下降是收斂最慢的，我們在教程中從頭到尾都是用Nesterov加速過的梯度下降。

在我們的NeuralNet的定義中，我們沒有指定一個目標函數(shù)來實現(xiàn)最小化。這里使用的還有一個默認值：對于回歸問題，它是均方誤差（MSE）。

最后一組參數(shù)聲明我們正在處理一個回歸問題（而不是分類），400是我們愿意訓練的時期數(shù)，并且我們想在訓練期間通過設(shè)置verbose = 1：
regression=True, # flag to indicate were dealing with regression problem
max_epochs=400, # we want to train this many epochs
verbose=1,

最后兩行加載了數(shù)據(jù)，然后用數(shù)據(jù)訓練了我們的第一個神經(jīng)網(wǎng)絡(luò)。
X, y = load()
net1.fit(X, y)

運行這兩行會輸出一個表格，每次完成一代就輸出一行。每一行里，我們可以看到當前的訓練損失和驗證損失（最小二乘損失），以及兩者的比率。NeuroNet將會自動把輸入數(shù)據(jù)X分成訓練集和測試集，用20%的數(shù)據(jù)作驗證。（比率可以通過參數(shù)eval_size=0.2調(diào)整）
$ python kfkd.py
...
InputLayer (None, 9216) produces 9216 outputs
DenseLayer (None, 100) produces 100 outputs
DenseLayer (None, 30) produces 30 outputs

Epoch | Train loss | Valid loss | Train / Val
--------|--------------|--------------|----------------
1 | 0.105418 | 0.031085 | 3.391261
2 | 0.020353 | 0.019294 | 1.054894
3 | 0.016118 | 0.016918 | 0.952734
4 | 0.014187 | 0.015550 | 0.912363
5 | 0.013329 | 0.014791 | 0.901199
...
200 | 0.003250 | 0.004150 | 0.783282
201 | 0.003242 | 0.004141 | 0.782850
202 | 0.003234 | 0.004133 | 0.782305
203 | 0.003225 | 0.004126 | 0.781746
204 | 0.003217 | 0.004118 | 0.781239
205 | 0.003209 | 0.004110 | 0.780738
...
395 | 0.002259 | 0.003269 | 0.690925
396 | 0.002256 | 0.003264 | 0.691164
397 | 0.002254 | 0.003264 | 0.690485
398 | 0.002249 | 0.003259 | 0.690303
399 | 0.002247 | 0.003260 | 0.689252
400 | 0.002244 | 0.003255 | 0.689606

在相對較快的GPU上訓練，我們能夠在1分鐘之內(nèi)完成400個epoch的訓練。注意測試損失會一直減小。(如果你訓練得足夠長時間，它將會有很小很小的改進)

現(xiàn)在我們有了一個很好的結(jié)果了么？我們看到測試誤差是0.0032，和競賽基準比試一下。記住我們將目標除以了48以將其縮放到-1到1之間，也就是說，要是想計算均方誤差和排行榜的結(jié)果比較，必須把我們上面得到的0.003255還原到原來的尺度。
>>> import numpy as np
>>> np.sqrt(0.003255) * 48
2.7385251505144153

這個值應該可以代表我們的成績了。當然，這得假設(shè)測試集合的數(shù)據(jù)和訓練集合的數(shù)據(jù)符合相同的分布，但事實卻并非如此。

測試網(wǎng)絡(luò)

我們剛剛訓練的net1對象已經(jīng)保存了訓練時打印在控制臺桌面中的記錄，我們可以獲取這個記錄通過train_history_相關(guān)屬性，讓我們畫出這兩個曲線。
train_loss = np.array([i[train_loss] for i in net1.train_history_])
valid_loss = np.array([i[valid_loss] for i in net1.train_history_])
pyplot.plot(train_loss, linewidth=3, label=train)
pyplot.plot(valid_loss, linewidth=3, label=valid)
pyplot.grid()
pyplot.legend()
pyplot.xlabel(epoch)
pyplot.ylabel(loss)
pyplot.ylim(1e-3, 1e-2)
pyplot.yscale(log)
pyplot.show()

我們能夠看到我們的網(wǎng)絡(luò)過擬合了，但是結(jié)果還不錯。事實上，我們找不到驗證錯誤開始上升的點，所以那種通常用來避免過擬合的early stopping方法在現(xiàn)在還沒有什么用處。注意我們沒有采用任何正則化手段，除了選擇節(jié)點比較少的隱層——這可以讓過擬合保持在可控范圍內(nèi)。

那么網(wǎng)絡(luò)的預測結(jié)果是什么樣的呢？讓我們選擇一些樣例來看一看。
def plot_sample(x, y, axis):
img = x.reshape(96, 96)
axis.imshow(img, cmap=gray)
axis.scatter(y[0::2] * 48 + 48, y[1::2] * 48 + 48, marker=x, s=10)

X, _ = load(test=True)
y_pred = net1.predict(X)

fig = pyplot.figure(figsize=(6, 6))
fig.subplots_adjust(
left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)

for i in range(16):
ax = fig.add_subplot(4, 4, i + 1, xticks=[], yticks=[])
plot_sample(X[i], y_pred[i], ax)

pyplot.show()

第一個模型預測的結(jié)果（從測試集抽出了16個樣例）
預測結(jié)果看起來還不錯，但是有點時候還是有一點偏。讓我們試著做的更好一些。