在第3 篇文章中，我们构建并训练了第一个神经网络，接下来可以处理一些更复杂的样本了。
最顶尖的深度学习模型通常都复杂到让人难以置信。其中可能包含数百层，就算用不了数周，往往也要数天时间来使用海量数据进行训练。这类模型的构建和优化需要大量经验。
好在这些模型的使用还是很简单的，通常只需要编写几行代码。本文将使用一个名为 Inception v3的预训练模型进行图片分类。
Inception v3
诞生于 2015 年 12 月的 Inception v3 是 GoogleNet 模型（曾赢得 2014 年度 ImageNet 挑战赛）的改进版。本文不准备深入介绍该模型的研究论文，不过打算强调一下论文的结论：相比当时最棒的模型，Inception v3 的准确度高出了15%–25%，同时计算的经济性方面低六倍，并且至少将参数的数量减少了五倍（例如使用该模型对内存的要求更低）。
简直就是神器！那么我们该如何使用？
MXNet model zoo
Model zoo 提供了一系列可直接使用的预训练模型，并且通常还会提供模型定义、模型参数（例如神经元权重），（也许还会提供）使用说明。
首先来下载定义和参数（你也许需要更改文件名）。第一个文件可以直接打开：其中包含了每一层的定义。第二个文件是一个二进制文件，请不要打开 ;)
$ wget http://data.dmlc.ml/models/imagenet/inception-bn/Inception-BN-symbol.json $ wget http://data.dmlc.ml/models/imagenet/inception-bn/Inception-BN-0126.params $ mv Inception-BN-0126.params Inception-BN-0000.params
该模型已通过 ImageNet 数据集进行了训练，因此我们还需要下载对应的图片分类清单（共有 1000 个分类）。
$ wget http://data.dmlc.ml/models/imagenet/synset.txt $ wc -l synset.txt 1000 synset.txt $ head -5 synset.txt n01440764 tench, Tinca tinca n01443537 goldfish, Carassius auratus n01484850 great white shark, white shark, man-eater, man-eating shark, Carcharodon carcharias n01491361 tiger shark, Galeocerdo cuvieri n01494475 hammerhead, hammerhead shark
搞定，开始实战。
加载模型
我们需要：
-
加载处于保存状态的模型：MXNet 将其称之为检查点 (Checkpoint)。随后即可得到输入的 Symbol 和模型参数。 ```
import mxnet as mx
sym, arg_params, aux_params = mx.model.load_checkpoint(‘Inception-BN’, 0)
- 新建一个 Module 并为其指派输入 Symbol。我们还可以使用一个 Context 参数决定要在哪里运行该模型：默认值为 cpu(0)，但也可改为 gpu(0) 以便通过 GPU 运行。 ``` mod = mx.mod.Module(symbol=sym)
- 将输入 Symbol 绑定至输入数据。将其称之为“数据”是因为在网络的输入层中就使用了这样的名称（可以从 JSON 文件的前几行代码中看到）。
- 将“数据”的形态 (Shape)定义为 1x3x224x224。别慌 ;)，“224x224”是图片的分辨率，模型就是这样训练出来的。“3”是通道数量：红绿蓝（严格按照这样的顺序），“1”是批大小：我们将一次预测一张图片。
mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))])
-
设置模型参数。 ```
mod.set_params(arg_params, aux_params)
这样就可以了。只需要四行代码！随后可以放入一些数据看看会发生什么。嗯……先别急。 ## 准备数据 数据准备：从七十年代以来，这一直是个痛苦的过程……从关系型数据库到机器学习，再到深度学习，这方面没有任何改进。虽然乏味但很必要。开始吧。 还记得吗，这个模型需要通过四维 NDArray 来保存一张 224x224 分辨率图片的红、绿、蓝通道数据。我们将使用流行的 [OpenCV](http://www.opencv.org/) 库从输入图片中构建这样的 NDArray。如果还没安装 OpenCV，考虑到本例的要求，直接运行 pip install opencv-python 就够了 :)。 随后的步骤如下： - ** 读取 ** 图片：将返回一个 Numpy 数组，其形态为（图片高度, 图片宽度, 3），按顺序代表 **BGR**（蓝、绿、红）三个通道。 ``` img = cv2.imread(filename) {1}
-
将图片转换为 RGB。 ```
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
- 将图片 ** 调整大小 ** 至 **224x224**。 ``` img = cv2.resize(img, (224, 224,))
-
重塑数组的形态，从（图片高度, 图片宽度, 3）重塑为（3, 图片高度, 图片宽度）。 ```
img = np.swapaxes(img, 0, 2)
img = np.swapaxes(img, 1, 2)
- 添加一个 ** 第四维度 ** 并构建 NDArray ``` img = img[np.newaxis, :] array = mx.nd.array(img) >>> print array.shape (1L, 3L, 224L, 224L)
晕了？一起用个例子看看吧。输入下列这张图片：
输入 448x336 的图片（来源：metaltraveller.com）
处理完毕后，该图会被缩小尺寸并拆分为 RGB 通道，存储在 array[0] 中（生成下文图片的代码可参阅这里）。
array[0][0]：224x224，红色通道
array 0 ：224x224，绿色通道
array 0 ：224x224，蓝色通道
如果批大小大于 1，那么可以通过 array 1 指定第二张图片，使用 array 2 指定第三张图片，以此类推。
无论这个过程是乏味还是有趣，接下来我们开始预测吧！
开始预测
你可能还记得第 3 篇文章中提到，Module 对象必须以批为单位向模型提供数据：最常见的做法是使用数据迭代器（因此我们使用了 NDArrayIter 对象）。
在这里我们想要预测一张图片，因此尽管可以使用数据迭代器，不过也没啥必要。但我们可以创建一个名为 Batch 的具名元组 (Named tuple), 它可以充当假的迭代器，在引用数据属性时返回输入的 NDArray。
from collections import namedtuple Batch = namedtuple('Batch', ['data'])
随后即可将这个“Batch”传递给模型开始预测。
mod.forward(Batch([array]))
这个模型会输出一个包含1000 个可能性的 NDArray，每个可能性对应一个分类。由于批大小等于 1，因此只需要一行代码。
prob = mod.get_outputs()[0].asnumpy() >>> prob.shape (1, 1000)
使用 squeeze() 将其转换为数组，随后使用 argsort() 创建第二个数组，其中保存了这些可能性按照降序排列的指数。
prob = np.squeeze(prob) >>> prob.shape (1000,) >> prob [ 4.14978594e-08 1.31608676e-05 2.51907986e-05 2.24045834e-05 2.30327873e-06 3.40798979e-05 7.41563645e-06 3.04062659e-08 etc. sortedprob = np.argsort(prob)[::-1] >> sortedprob.shape (1000,)
根据模型的计算，这张图片最可能的分类是#546，可能性为58%。
>> sortedprob [546 819 862 818 542 402 650 420 983 632 733 644 513 875 776 917 795 etc. >> prob[546] 0.58039135
这个分类叫什么名字呢？我们可以使用 synset.txt 文件构建分类清单，并找出 546 号的名称。
synsetfile = open('synset.txt', 'r') categorylist = [] for line in synsetfile: categorylist.append(line.rstrip()) >>> categorylist[546] 'n03272010 electric guitar'
可能性第二大的分类是什么？
>>> prob[819] 0.27168664 >>> categorylist[819] 'n04296562 stage
挺棒的，你说呢？
就是这样，我们已经了解了如何使用预训练的顶尖模型进行图片分类。而这一切只需要4 行代码……除此之外只要准备好数据就够了。
完整代码如下，请自行尝试并继续保持关注 ??
代码已发布至 GitHub： mxnet_example2.py
后续内容：
- 第 5 篇：进一步了解预训练模型（VGG16 和 ResNet-152）
- 第 6 篇：通过树莓派进行实时物体检测（并让它讲话！）
作者： Julien Simon ，阅读英文原文： An introduction to the MXNet API?—?part 4
感谢杜小芳对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。
评论