邢艷芳，段紅秀，何光威

(中國傳媒大學南廣學院，江蘇 南京 211172)

0 引 言

眾所周知，人工智能將是未來發(fā)展的大方向，深度學習則是人工智能領域的一個重要分支，在圖像和語音識別等領域取得了重要突破。隨著深度學習的發(fā)展，相關神經網(wǎng)絡模型也不斷推陳出新。TensorFlow是目前主流的深度學習框架，文中以該框架為基礎，采用Google MobileNet模型，Ubuntu 16.04開源Linux操作系統(tǒng)，CUDA 9.0運算平臺，cuDNN 7.0.5并行架構，選取從網(wǎng)絡中爬取的圖片作為數(shù)據(jù)集，進行訓練和識別。

1 TensorFlow框架

TensorFlow[1-5]是Google公司推出的開源人工智能系統(tǒng)，具有靈活性、高效性以及良好的可擴展性、可移植性等特征，可應用于從智能手機到大型計算集群的多種計算環(huán)境。

TensorFlow的主要流程是：

(1)產生對應的數(shù)據(jù)集。數(shù)據(jù)集可從網(wǎng)上下載公開數(shù)據(jù)，也可以通過爬蟲自動化測試或者手工尋找等方式來制作。

(2)對數(shù)據(jù)進行轉換和歸一化。將導入的數(shù)據(jù)轉換成指定格式，使維度和類型符合TensorFlow直接處理的要求。

(3)劃分數(shù)據(jù)集。將數(shù)據(jù)集劃分成訓練集、測試集以及驗證集。

(4)設置相關超參數(shù)。學習過程中需要眾多常量參數(shù)，包括迭代次數(shù)(iterations)、學習率(learning rate)、少批量(mini batch)等。

(5)選取變量和占位符。采用占位符(placeholder)得到數(shù)據(jù)，調整變量(variables)、權重(weights)和偏置(biases)，構建更優(yōu)化的網(wǎng)絡，并尋求損失函數(shù)(目標函數(shù))的最優(yōu)解。

(6)構建模型。根據(jù)參數(shù)和初始化內容構建模型，通過操作(op)、變量和占位符來建立計算圖。

(7)定義損失函數(shù)。根據(jù)損失函數(shù)(loss function)的決策結果，得到預測值與真實值之間的偏差。使用梯度下降算法(gradient descent)和似然函數(shù)，避免出現(xiàn)梯度消失和梯度下降。

(8)初始化和訓練模型。采用交叉熵(cross entropy)、驗證和訓練的準確度來評估損失函數(shù)。

TensorFlow的相關操作有：

(1)創(chuàng)建張量。如表1所示，TensorFlow主要數(shù)據(jù)結構為張量(tensor)，基本計算操作包括add()、sub()、mul()和div()。

表1 常規(guī)張量

(2)封裝張量。var=tf.Variable(...)，省略號可為自定義張量(tensor)。

(3)通過會話(session)的feed_參數(shù)獲取數(shù)據(jù)，讓得出的h為x的實體(identity)，實體的返回值為傳入的數(shù)據(jù)本身。

(4)實現(xiàn)激勵函數(shù)操作。表2展示了相關激活函數(shù)。

表2 相關激活函數(shù)

(5)卷積函數(shù)：用于滑動窗口、步長和卷積核。

(6)剪裁函數(shù)：用于剪裁圖像中多余的維度。

(7)損失函數(shù)：比較預測值和目標值的差值。

(8)實現(xiàn)優(yōu)化器。通過二分類算法等方式實現(xiàn)梯度下降，指定合適的學習率，確保機器學習算法收斂。

(9)更新變量以及最小化損失函數(shù)反向傳播誤差，使用較小的學習率(步長)和在一定范圍內盡可能多的迭代網(wǎng)絡會讓訓練易于收斂。

(10)實現(xiàn)線性回歸。

(11)實現(xiàn)邏輯回歸。

在深度學習過程中，如何監(jiān)控算法是一個難點。文中采用TensorFlow中的可視化工具TensorBoard，可以對算法計算過程中的各個流程圖、偏置、權重以及準確度、交叉熵的參數(shù)通過圖形進行可視化展示。在整體識別程序的啟動后，在命令行輸入以下命令：tensorboard -logdir=retrain_logs。在終端打開一個本地端口http://zwx-Inspiration-5437∶6006，一彈出便為展示頁。TensorBoard配置過程如下：

(1)初始化計算圖，創(chuàng)建write將TensorBoard summary寫入對應文件。

(2)確保writer信息寫入相應的summary文件夾。

(3)設置模型參數(shù)，讓模型生成所需的數(shù)據(jù)集。

(4)將數(shù)據(jù)集分割為測試集、訓練集以及驗證集。

(5)建立占位符、變量以及模型相關運算操作、損失值和優(yōu)化操作。

(6)創(chuàng)建TensorBoard的直方圖匯總和標量值匯總。

2 深度學習應用

文中采用深度可分離卷積神經網(wǎng)絡作為深度學習的模型，深度可分離卷積(depth-wise separable convolution)相對傳統(tǒng)卷積方式，減少了參數(shù)數(shù)量，提升了計算速度，降低了過擬合的風險[6-8]。在進行深度可分離卷積的神經網(wǎng)絡設計中，在有通道分離的情況下，接上一個深度卷積，即可實現(xiàn)空間卷積[9-12]。

在高計算復雜度下，深度卷積神經網(wǎng)絡相比人的視覺精度更高，將卷積層分解，便于提高效率。傳統(tǒng)卷積層，三維卷積被認為是同時在通道空間卷積和線性通道投影，從而得到高冗余計算。將它們分離后，所需層只包括單個通道卷積和線性通道投影。此外，還提出了在輸入通道和輸出通道之間的拓撲連接框架，以便提高該卷積層的效率。復雜度遠遠低于標準卷積層，在確保準確性的前提下減少了3-4倍計算量。深度可分離卷積神經網(wǎng)絡支持移動端的使用和開發(fā)，更適用于移動設備便攜式開發(fā)設計。

3 系統(tǒng)構建

較之CPU，GPU更適合一次性進行大量重復性工作。在深度學習卷積神經網(wǎng)絡中，更多的是加、乘法的計算，使用GPU進行并發(fā)計算可以提高運算效率。因此深度學習可以非常恰當?shù)赜肎PU進行加速。CUDA是NVIDIA公司為了支持GPU而設計的并行計算架構，其ISA指令集架構和硬件計算引擎讓CUDA更適合并行計算。文中在Ubuntu 16.04系統(tǒng)下，通過配置GPU、CUDA 9.0以及cuDNN 7.0.5的相關參數(shù)，來搭建相關平臺和并行計算架構[13]。

圖像識別相關參數(shù)如下：

(1)prepare_file_system()函數(shù)，準備summary需要的輸出文件夾，summary信息可以通過TensorBoard來看。

(2)model_info=create_model_info(FLAGS.architecture)，根據(jù)architecture參數(shù)，返回模型的元信息，其中architecture模型采用的是MobileNetV1。

圖像識別相關算法：

(1)梯度下降優(yōu)化算法：對權值進行優(yōu)化，在曲線中尋找梯度方向下降最快的位置，來尋找最低點，以便讓損失值最小。梯度下降算法有起始點、搭建平面的形狀和學習率(步長)三個影響因素。

(2)初始化：為了進行有效訓練，讓各層神經元方差不變，采用權值初始化來保證其方差不變性。

(3)偏差/方差(bias/variance)：對網(wǎng)絡優(yōu)化以后，如果網(wǎng)絡有高偏差/高反差狀態(tài)，需要進一步對參數(shù)進行調整。

(4)正則化(regularization)：為了解決高方差和擬合問題，避免神經元將非一般特征當作一般規(guī)律學習導致驗證集準確度較低。通過數(shù)據(jù)翻轉、比例調整、亮度調整、剪裁大小的方法進行數(shù)據(jù)擴充，以獲取更多的訓練樣本，便于訓練和正則化懲罰，減少過擬合和學習非一般規(guī)律的問題。

從數(shù)據(jù)輸入、MobileNet模型再到最后的輸出層，各層神經網(wǎng)絡的實現(xiàn)如圖1所示。

圖1 各層網(wǎng)絡圖解

4 性能測試與分析

數(shù)據(jù)集分為兩部分獲?。旱谝徊糠峙c暴力相關的包括爭斗、爆炸、槍械、血腥四類，通過網(wǎng)絡搜索下載的方式，分別存放在fight、explosion、gun、blood目錄下。第二部分與色情(porn)相關的通過Python實現(xiàn)網(wǎng)絡爬取，存放在porn目錄下。數(shù)據(jù)集的80%作為訓練樣本，剩下各10%作為測試和驗證樣本。得出識別結果后，通過交叉熵來判斷識別的準確度，交叉熵越低，證明通過網(wǎng)絡迭代進行訓練的效果越好[14-15]。通過計算平均值、標準差，得出相關測試集、訓練集以及驗證集的準確度。如圖2所示，1 000次網(wǎng)絡迭代的結果表明訓練集的準確度更好，驗證集的準確度一般。

迭代100次的結果會發(fā)現(xiàn)交叉熵逐步減少，最后保持在0.15～0.2左右，交叉熵越小，說明預測值越接近真實值。在學習率0.01更換為0.001以后，發(fā)現(xiàn)驗證集平均準確度從87%上升到89%。在進行1 000次迭代實驗以后，訓練結果的驗證集準確度在88%左右，學習率為0.001，可見數(shù)據(jù)集較小(總共1 400)對網(wǎng)絡迭代有一定影響。在進行訓練集、測試集少批量網(wǎng)絡迭代以后，從原來少批量100變?yōu)?00時，準確度有小幅提高，說明200也為網(wǎng)絡迭代所能承受的批量，而當少批量數(shù)為300時，測試集準確度卻降低了，可見批量過大時不僅使得計算速度變慢，而且網(wǎng)絡模型承受力不足。

由圖3數(shù)據(jù)可見，槍械類的識別準確率為0.976，血腥類為0.010，爭斗類為0.010，色情類為0.002，爆炸類為0.000 1，得出該圖是屬于槍械類的敏感圖片。

圖2 驗證集、訓練集準確度圖解

圖3 Matplotlib展示分類槍械類識別結果圖解

由圖4數(shù)據(jù)可見，爭斗類的識別準確率為0.992，血腥類為0.002，槍械類為0.005，色情類為0.000 4，爆炸類為0.000 2，得出該圖是屬于爭斗類的敏感圖片。

由圖5數(shù)據(jù)可見，爆炸類的識別準確率為0.954，爭斗類為0.000 1，槍械類為0.001，色情類為0.002，血腥類為0.04，得出該圖是屬于爆炸類的敏感圖片。

圖4 Matplotlib展示分類爭斗類識別結果圖解

圖5 Matplotlib展示分類爆炸類識別結果圖解

測試結果顯示，五類圖片相應的識別準確度還是很高的，通過模型搭建再到各類權重、偏置更新，再到算法優(yōu)化，讓識別結果完整。通過文中設計的100次網(wǎng)絡迭代，MobileNet模型測試準確度為86%，更換為Inception_v3模型的測試準確度為87.2%，但是MobileNet模型網(wǎng)絡迭代周期僅為5分鐘，遠低于Inception_v3模型的迭代周期(30分鐘)。因此，MobileNet在移動端、嵌入端以及網(wǎng)絡規(guī)模大小和內存限制時具有較好的應用價值。

5 結束語

文中采用的TensorFlow人工智能框架，便于圖像識別等任務的實現(xiàn)和開發(fā)，測試結果驗證了該框架的高效性、便捷性以及可行性。隨著深度學習在工業(yè)以及學術界上的巨大發(fā)展，值得被進一步的學習、研究和探討。