Я хочу зробити класифікатор зображень, але не знаю python. Tensorflow.js працює з javascript, з яким я знайомий. Чи можна з цим навчати моделей і які були б кроки для цього? Чесно кажучи, у мене немає поняття, з чого почати.

Єдине, що я зрозумів - це завантажувати "mobilenet", який, мабуть, є набором попередньо підготовлених моделей, і класифікувати зображення з ним:

const tf = require('@tensorflow/tfjs'),
      mobilenet = require('@tensorflow-models/mobilenet'),
      tfnode = require('@tensorflow/tfjs-node'),
      fs = require('fs-extra');

const imageBuffer = await fs.readFile(......),
      tfimage = tfnode.node.decodeImage(imageBuffer),
      mobilenetModel = await mobilenet.load();  

const results = await mobilenetModel.classify(tfimage);

яка працює, але це не приносить мені користі, тому що я хочу навчити власну модель, використовуючи свої зображення з створеними мітками.

========================

Скажіть, у мене є купа зображень та міток. Як я використовую їх для навчання моделі?

const myData = JSON.parse(await fs.readFile('files.json'));

for(const data of myData){
  const image = await fs.readFile(data.imagePath),
        labels = data.labels;

  // how to train, where to pass image and labels ?

}

Перш за все, зображення потрібно перетворити на тензори. Першим підходом було б створення тензора, що містить усі ознаки (відповідно тензор, що містить усі мітки). Цей шлях повинен відбуватися лише в тому випадку, якщо набір даних містить мало зображень.

  const imageBuffer = await fs.readFile(feature_file);
  tensorFeature = tfnode.node.decodeImage(imageBuffer) // create a tensor for the image

  // create an array of all the features
  // by iterating over all the images
  tensorFeatures = tf.stack([tensorFeature, tensorFeature2, tensorFeature3])

Мітки будуть масивом із зазначенням типу кожного зображення

 labelArray = [0, 1, 2] // maybe 0 for dog, 1 for cat and 2 for birds

Тепер потрібно створити гаряче кодування міток

 tensorLabels = tf.oneHot(tf.tensor1d(labelArray, 'int32'), 3);

Коли будуть тензори, потрібно буде створити модель для тренувань. Ось проста модель.

const model = tf.sequential();
model.add(tf.layers.conv2d({
  inputShape: [height, width, numberOfChannels], // numberOfChannels = 3 for colorful images and one otherwise
  filters: 32,
  kernelSize: 3,
  activation: 'relu',
}));
model.add(tf.layers.flatten()),
model.add(tf.layers.dense({units: 3, activation: 'softmax'}));

Тоді модель можна навчити

model.fit(tensorFeatures, tensorLabels)

Якщо набір даних містить багато зображень, потрібно буде створити набір tfDataset. Ця відповідь обговорює, чому.

const genFeatureTensor = image => {
      const imageBuffer = await fs.readFile(feature_file);
      return tfnode.node.decodeImage(imageBuffer)
}

const labelArray = indice => Array.from({length: numberOfClasses}, (_, k) => k === indice ? 1 : 0)

function* dataGenerator() {
  const numElements = numberOfImages;
  let index = 0;
  while (index < numFeatures) {
    const feature = genFeatureTensor(imagePath) ;
    const label = tf.tensor1d(labelArray(classImageIndex))
    index++;
    yield {xs: feature, ys: label};
  }
}

const ds = tf.data.generator(dataGenerator);

І використовуйте model.fitDataset(ds)для тренування моделі

Викладене вище для тренувань у nodejs. Щоб зробити таку обробку в браузері, genFeatureTensorможна записати так:

function load(url){
  return new Promise((resolve, reject) => {
    const im = new Image()
        im.crossOrigin = 'anonymous'
        im.src = 'url'
        im.onload = () => {
          resolve(im)
        }
   })
}

genFeatureTensor = image => {
  const img = await loadImage(image);
  return tf.browser.fromPixels(image);
}

Одне слово обережності - це те, що велика обробка може блокувати основний потік браузера. Тут і грають веб-працівники.

Розглянемо приклад https://codelabs.developers.google.com/codelabs/tfjs-training-classfication/#0

Що вони роблять:

• зробити велике зображення PNG (вертикальне з'єднання зображень)
• візьміть кілька ярликів
• побудувати набір даних (data.js)

потім тренуйтеся

Побудова набору даних така:

1. образи

Велике зображення поділено на п ять вертикальних шматок. (n - шматок розміру)

Розглянемо шматок розміру 2.

Дано піксельну матрицю зображення 1:

  1 2 3
  4 5 6

Дана піксельна матриця зображення 2 є

  7 8 9
  1 2 3

Отриманий масив буде 1 2 3 4 5 6 7 8 9 1 2 3(1D конкатенація якось)

Таким чином, в кінці обробки у вас є великий буфер, який представляє

[...Buffer(image1), ...Buffer(image2), ...Buffer(image3)]

2. етикетки

Такого форматування багато робиться для проблем класифікації. Замість класифікації з числом вони беруть булевий масив. Щоб передбачити 7 з 10 класів, ми б розглядали [0,0,0,0,0,0,0,1,0,0] // 1 in 7e position, array 0-indexed

Що ви можете зробити, щоб почати

• Створіть своє зображення (та його пов’язану етикетку)
• Завантажте своє зображення на полотно
• Витягніть його пов'язаний буфер
• Об'єднайте весь буфер зображення як великий буфер. Ось це для xs.
• Візьміть усі пов’язані з вами мітки, складіть їх як булевий масив і з'єднайте їх.

Нижче я підклас MNistData::load(решту можна дозволити так, як є (крім випадків у script.js, де вам потрібно замість власного класу інстанціювати)

Я все-таки генерую 28x28 зображень, пишу цифру на ній і отримую ідеальну точність, оскільки я не включаю шум чи добровільно неправильні маркування.

import {MnistData} from './data.js'

const IMAGE_SIZE = 784;// actually 28*28...
const NUM_CLASSES = 10;
const NUM_DATASET_ELEMENTS = 5000;
const NUM_TRAIN_ELEMENTS = 4000;
const NUM_TEST_ELEMENTS = NUM_DATASET_ELEMENTS - NUM_TRAIN_ELEMENTS;


function makeImage (label, ctx) {
  ctx.fillStyle = 'black'
  ctx.fillRect(0, 0, 28, 28) // hardcoded, brrr
  ctx.fillStyle = 'white'
  ctx.fillText(label, 10, 20) // print a digit on the canvas
}

export class MyMnistData extends MnistData{
  async load() { 
    const canvas = document.createElement('canvas')
    canvas.width = 28
    canvas.height = 28
    let ctx = canvas.getContext('2d')
    ctx.font = ctx.font.replace(/\d+px/, '18px')
    let labels = new Uint8Array(NUM_DATASET_ELEMENTS*NUM_CLASSES)

    // in data.js, they use a batch of images (aka chunksize)
    // let's even remove it for simplification purpose
    const datasetBytesBuffer = new ArrayBuffer(NUM_DATASET_ELEMENTS * IMAGE_SIZE * 4);
    for (let i = 0; i < NUM_DATASET_ELEMENTS; i++) {

      const datasetBytesView = new Float32Array(
          datasetBytesBuffer, i * IMAGE_SIZE * 4, 
          IMAGE_SIZE);

      // BEGIN our handmade label + its associated image
      // notice that you could loadImage( images[i], datasetBytesView )
      // so you do them by bulk and synchronize after your promises after "forloop"
      const label = Math.floor(Math.random()*10)
      labels[i*NUM_CLASSES + label] = 1
      makeImage(label, ctx)
      const imageData = ctx.getImageData(0, 0, canvas.width, canvas.height);
      // END you should be able to load an image to canvas :)

      for (let j = 0; j < imageData.data.length / 4; j++) {
        // NOTE: you are storing a FLOAT of 4 bytes, in [0;1] even though you don't need it
        // We could make it with a uint8Array (assuming gray scale like we are) without scaling to 1/255
        // they probably did it so you can copy paste like me for color image afterwards...
        datasetBytesView[j] = imageData.data[j * 4] / 255;
      }
    }
    this.datasetImages = new Float32Array(datasetBytesBuffer);
    this.datasetLabels = labels

    //below is copy pasted
    this.trainIndices = tf.util.createShuffledIndices(NUM_TRAIN_ELEMENTS);
    this.testIndices = tf.util.createShuffledIndices(NUM_TEST_ELEMENTS);
    this.trainImages = this.datasetImages.slice(0, IMAGE_SIZE * NUM_TRAIN_ELEMENTS);
    this.testImages = this.datasetImages.slice(IMAGE_SIZE * NUM_TRAIN_ELEMENTS);
    this.trainLabels =
        this.datasetLabels.slice(0, NUM_CLASSES * NUM_TRAIN_ELEMENTS);// notice, each element is an array of size NUM_CLASSES
    this.testLabels =
        this.datasetLabels.slice(NUM_CLASSES * NUM_TRAIN_ELEMENTS);
  }

}

Я знайшов підручник [1], як використовувати існуючу модель для навчання нових класів. Основні деталі коду тут:

index.html голова:

   <script src="https://unpkg.com/@tensorflow-models/knn-classifier"></script>

body.html тіло:

    <button id="class-a">Add A</button>
    <button id="class-b">Add B</button>
    <button id="class-c">Add C</button>

index.js:

    const classifier = knnClassifier.create();

    ....

    // Reads an image from the webcam and associates it with a specific class
    // index.
    const addExample = async classId => {
           // Capture an image from the web camera.
           const img = await webcam.capture();

           // Get the intermediate activation of MobileNet 'conv_preds' and pass that
           // to the KNN classifier.
           const activation = net.infer(img, 'conv_preds');

           // Pass the intermediate activation to the classifier.
           classifier.addExample(activation, classId);

           // Dispose the tensor to release the memory.
          img.dispose();
     };

     // When clicking a button, add an example for that class.
    document.getElementById('class-a').addEventListener('click', () => addExample(0));
    document.getElementById('class-b').addEventListener('click', () => addExample(1));
    document.getElementById('class-c').addEventListener('click', () => addExample(2));

    ....

Основна ідея - використовувати існуючу мережу, щоб зробити її передбачення, а потім замінити знайдену мітку власною.

Повний код знаходиться в підручнику. Ще один перспективний, більш досконалий у [2]. Йому потрібна сувора попередня обробка, тому я залишаю її лише тут, я маю на увазі, що вона набагато вдосконалена.

Джерела:

[1] https://codelabs.developers.google.com/codelabs/tensorflowjs-teachablemachine-codelab/index.html#6

[2] https://towardsdatascience.com/training-custom-image-classification-model-on-the-browser-with-tensorflow-js-and-angular-f1796ed24934

TL; DR

MNIST - це розпізнавання зображень Hello World. Вивчивши його напам’ять, ці питання у вашій думці легко вирішити.

Постановка питань:

Ваше головне запитання - це

 // how to train, where to pass image and labels ?

всередині блоку коду. Для тих, хто знайшов ідеальну відповідь на прикладах розділу прикладів Tensorflow.js: Приклад MNIST. У моїх нижче посиланнях є чисті версії JavaScript та node.js та пояснення у Вікіпедії. Я розберу їх на рівні, необхідному, щоб відповісти на головне запитання у вашій думці, і додам також перспективи того, як ваші власні зображення та мітки мають відношення до набору зображень MNIST та прикладів його використання.

Насамперед:

Кодові фрагменти

куди передавати зображення (зразок Node.js)

async function loadImages(filename) {
  const buffer = await fetchOnceAndSaveToDiskWithBuffer(filename);

  const headerBytes = IMAGE_HEADER_BYTES;
  const recordBytes = IMAGE_HEIGHT * IMAGE_WIDTH;

  const headerValues = loadHeaderValues(buffer, headerBytes);
  assert.equal(headerValues[0], IMAGE_HEADER_MAGIC_NUM);
  assert.equal(headerValues[2], IMAGE_HEIGHT);
  assert.equal(headerValues[3], IMAGE_WIDTH);

  const images = [];
  let index = headerBytes;
  while (index < buffer.byteLength) {
    const array = new Float32Array(recordBytes);
    for (let i = 0; i < recordBytes; i++) {
      // Normalize the pixel values into the 0-1 interval, from
      // the original 0-255 interval.
      array[i] = buffer.readUInt8(index++) / 255;
    }
    images.push(array);
  }

  assert.equal(images.length, headerValues[1]);
  return images;
}

Примітки:

Набір даних MNIST - це величезне зображення, де в одному файлі є кілька зображень, як плитки в головоломці, кожне з однаковим розміром, поруч, як вікна в координаційній таблиці x і y. Кожне поле має один зразок і відповідні х і у в масиві міток мають мітку. З цього прикладу не дуже важливо повернути його до декількох форматів файлів, так що фактично лише один малюнок одночасно надається циклу while для обробки.

Мітки:

async function loadLabels(filename) {
  const buffer = await fetchOnceAndSaveToDiskWithBuffer(filename);

  const headerBytes = LABEL_HEADER_BYTES;
  const recordBytes = LABEL_RECORD_BYTE;

  const headerValues = loadHeaderValues(buffer, headerBytes);
  assert.equal(headerValues[0], LABEL_HEADER_MAGIC_NUM);

  const labels = [];
  let index = headerBytes;
  while (index < buffer.byteLength) {
    const array = new Int32Array(recordBytes);
    for (let i = 0; i < recordBytes; i++) {
      array[i] = buffer.readUInt8(index++);
    }
    labels.push(array);
  }

  assert.equal(labels.length, headerValues[1]);
  return labels;
}

Примітки:

Тут мітки також є байтовими даними у файлі. У світі Javascript і підході, який ви маєте на початковому етапі, мітки також можуть бути масивом json.

навчіть модель:

await data.loadData();

  const {images: trainImages, labels: trainLabels} = data.getTrainData();
  model.summary();

  let epochBeginTime;
  let millisPerStep;
  const validationSplit = 0.15;
  const numTrainExamplesPerEpoch =
      trainImages.shape[0] * (1 - validationSplit);
  const numTrainBatchesPerEpoch =
      Math.ceil(numTrainExamplesPerEpoch / batchSize);
  await model.fit(trainImages, trainLabels, {
    epochs,
    batchSize,
    validationSplit
  });

Примітки:

Ось model.fitфактичний рядок коду, який робить це: тренує модель.

Результати всієї справи:

  const {images: testImages, labels: testLabels} = data.getTestData();
  const evalOutput = model.evaluate(testImages, testLabels);

  console.log(
      `\nEvaluation result:\n` +
      `  Loss = ${evalOutput[0].dataSync()[0].toFixed(3)}; `+
      `Accuracy = ${evalOutput[1].dataSync()[0].toFixed(3)}`);

Примітка:

У Data Science, також цього разу, найбільш захоплююча частина полягає в тому, щоб знати, наскільки добре модель пережила тест нових даних і жодних міток, може їх маркувати чи ні? Тому що це частина оцінки, яка тепер друкує нам деякі цифри.

Втрата і точність: [4]

Чим менші втрати, тим краща модель (якщо тільки модель не надто підходила до даних тренувань). Втрати обчислюються при навчанні та валідації, і його взаємодія полягає в тому, наскільки добре працює модель для цих двох наборів. На відміну від точності, втрати не є відсотком. Це підсумок помилок, зроблених для кожного прикладу в навчальних наборах чи валідаціях.

..

Точність моделі зазвичай визначається після того, як параметри моделі вивчаються та фіксуються і не відбувається навчання. Потім тестові зразки подаються до моделі і записується кількість помилок (нуль-одна втрата), яку робить модель, після порівняння з справжніми цілями.

Більше інформації:

На сторінках github, у файлі README.md, є посилання на підручник, де все у прикладі github пояснено більш докладно.

[1] https://github.com/tensorflow/tfjs-examples/tree/master/mnist

[2] https://github.com/tensorflow/tfjs-examples/tree/master/mnist-node

[3] https://en.wikipedia.org/wiki/MNIST_database

[4] Як інтерпретувати "втрату" та "точність" для моделі машинного навчання