Yardım Kaggle üzerinde TensorFlow ile Büyük Bariyer Resifi korumak Meydan Üyelik

Görsel dikkat ile resim yazısı

TensorFlow.org'da görüntüleyin Google Colab'da çalıştırın Kaynağı GitHub'da görüntüleyin Not defterini indir

Aşağıdaki örnekte olduğu gibi bir resim verildiğinde, amacınız "dalga üzerinde binen bir sörfçü" gibi bir başlık oluşturmaktır.

adam, sörf

Görüntü kaynağı ; Lisans: Kamu Malı

Bunu başarmak için, bir resim yazısı oluştururken modelin görüntünün hangi bölümlerine odaklandığını görmemizi sağlayan dikkat temelli bir model kullanacaksınız.

Tahmin

Model mimari benzer Sinir Resim Yazısı Nesil Görsel Dikkat ile: katılmak göster ve anlat .

Bu defter uçtan uca bir örnektir. Eğer dizüstü çalıştırdığınızda, indirir MS-COCO veri kümesi, preprocesses ve Inception V3 kullanarak görüntülerin bir alt kümesini önbelleğe, bir kodlayıcı-kod çözücü modeli eğitir ve eğitimli modeli kullanarak yeni görüntüler altyazıları üretir.

Bu örnekte, bir modeli nispeten az miktarda veri üzerinde eğiteceksiniz—ilk 30.000 resim yazısı yaklaşık 20.000 resim için (çünkü veri kümesinde resim başına birden çok resim yazısı vardır).

import tensorflow as tf

# You'll generate plots of attention in order to see which parts of an image
# your model focuses on during captioning
import matplotlib.pyplot as plt

import collections
import random
import numpy as np
import os
import time
import json
from PIL import Image

MS-COCO veri setini indirin ve hazırlayın

Sen kullanacağı MS-COCO veri kümesini modelinizi yetiştirmek. Veri kümesi, her biri en az 5 farklı altyazı ek açıklamasına sahip 82.000'den fazla görüntü içerir. Aşağıdaki kod, veri kümesini otomatik olarak indirir ve çıkarır.

# Download caption annotation files
annotation_folder = '/annotations/'
if not os.path.exists(os.path.abspath('.') + annotation_folder):
  annotation_zip = tf.keras.utils.get_file('captions.zip',
                                           cache_subdir=os.path.abspath('.'),
                                           origin='http://images.cocodataset.org/annotations/annotations_trainval2014.zip',
                                           extract=True)
  annotation_file = os.path.dirname(annotation_zip)+'/annotations/captions_train2014.json'
  os.remove(annotation_zip)

# Download image files
image_folder = '/train2014/'
if not os.path.exists(os.path.abspath('.') + image_folder):
  image_zip = tf.keras.utils.get_file('train2014.zip',
                                      cache_subdir=os.path.abspath('.'),
                                      origin='http://images.cocodataset.org/zips/train2014.zip',
                                      extract=True)
  PATH = os.path.dirname(image_zip) + image_folder
  os.remove(image_zip)
else:
  PATH = os.path.abspath('.') + image_folder
Downloading data from http://images.cocodataset.org/annotations/annotations_trainval2014.zip
252878848/252872794 [==============================] - 16s 0us/step
252887040/252872794 [==============================] - 16s 0us/step
Downloading data from http://images.cocodataset.org/zips/train2014.zip
13510574080/13510573713 [==============================] - 795s 0us/step
13510582272/13510573713 [==============================] - 795s 0us/step

İsteğe bağlı: eğitim setinin boyutunu sınırlayın

Bu öğreticinin eğitimini hızlandırmak için, modelinizi eğitmek için 30.000 altyazı alt kümesini ve bunlara karşılık gelen görüntüleri kullanacaksınız. Daha fazla veri kullanmayı seçmek, altyazı kalitesinin iyileşmesini sağlar.

with open(annotation_file, 'r') as f:
    annotations = json.load(f)
# Group all captions together having the same image ID.
image_path_to_caption = collections.defaultdict(list)
for val in annotations['annotations']:
  caption = f"<start> {val['caption']} <end>"
  image_path = PATH + 'COCO_train2014_' + '%012d.jpg' % (val['image_id'])
  image_path_to_caption[image_path].append(caption)
image_paths = list(image_path_to_caption.keys())
random.shuffle(image_paths)

# Select the first 6000 image_paths from the shuffled set.
# Approximately each image id has 5 captions associated with it, so that will
# lead to 30,000 examples.
train_image_paths = image_paths[:6000]
print(len(train_image_paths))
6000
train_captions = []
img_name_vector = []

for image_path in train_image_paths:
  caption_list = image_path_to_caption[image_path]
  train_captions.extend(caption_list)
  img_name_vector.extend([image_path] * len(caption_list))
print(train_captions[0])
Image.open(img_name_vector[0])
<start> A very long train on the tracks without much light. <end>

png

InceptionV3'ü kullanarak görüntüleri önceden işleyin

Ardından, her görüntüyü sınıflandırmak için InceptionV3'ü (Imagenet üzerinde önceden eğitilmiştir) kullanacaksınız. Son evrişim katmanından özellikleri çıkaracaksınız.

İlk olarak, görüntüleri InceptionV3'ün beklenen biçimine şu şekilde dönüştüreceksiniz:

  • Resmi 299 piksele 299 piksel olarak yeniden boyutlandırma
  • Önişlem görüntüleri kullanılarak preprocess_input yöntemi bu -1 InceptionV3 yetiştirmek için kullanılan görüntü formatı ile eşleşen 1 aralığında, piksel içerir, böylece görüntü normalize etmek.
def load_image(image_path):
    img = tf.io.read_file(image_path)
    img = tf.io.decode_jpeg(img, channels=3)
    img = tf.image.resize(img, (299, 299))
    img = tf.keras.applications.inception_v3.preprocess_input(img)
    return img, image_path

InceptionV3'ü başlatın ve önceden eğitilmiş Imagenet ağırlıklarını yükleyin

Şimdi, InceptionV3 mimarisinde çıktı katmanının son evrişim katmanı olduğu bir tf.keras modeli oluşturacaksınız. Bu tabakanın çıkış şekli 8x8x2048 . Bu örnekte dikkati kullandığınız için son evrişim katmanını kullanıyorsunuz. Bu başlatmayı eğitim sırasında gerçekleştirmezsiniz çünkü bu bir darboğaz haline gelebilir.

  • Her görüntüyü ağ üzerinden iletir ve elde edilen vektörü bir sözlükte saklarsınız (image_name --> feature_vector).
  • Tüm görüntüler ağ üzerinden geçtikten sonra sözlüğü diske kaydedersiniz.
image_model = tf.keras.applications.InceptionV3(include_top=False,
                                                weights='imagenet')
new_input = image_model.input
hidden_layer = image_model.layers[-1].output

image_features_extract_model = tf.keras.Model(new_input, hidden_layer)
Downloading data from https://storage.googleapis.com/tensorflow/keras-applications/inception_v3/inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5
87916544/87910968 [==============================] - 2s 0us/step
87924736/87910968 [==============================] - 2s 0us/step

InceptionV3'ten çıkarılan özellikleri önbelleğe alma

Her görüntüyü InceptionV3 ile önceden işleyecek ve çıktıyı diske önbelleğe alacaksınız. Çıktıyı RAM'de önbelleğe almak daha hızlı olur, ancak aynı zamanda bellek yoğun olur ve görüntü başına 8 * 8 * 2048 kayan nokta gerektirir. Yazma sırasında bu, Colab'ın bellek sınırlamalarını aşıyor (şu anda 12 GB bellek).

Performans, daha karmaşık bir önbelleğe alma stratejisiyle (örneğin, rastgele erişimli disk G/Ç'sini azaltmak için görüntüleri parçalayarak) geliştirilebilir, ancak bu daha fazla kod gerektirir.

Önbelleğe alma işleminin bir GPU ile Colab'da çalışması yaklaşık 10 dakika sürecektir. Bir ilerleme çubuğu görmek isterseniz şunları yapabilirsiniz:

  1. Yükleme tqdm :

    !pip install tqdm

  2. tqdm'yi içe aktar:

    from tqdm import tqdm

  3. Aşağıdaki satırı değiştirin:

    for img, path in image_dataset:

    ile:

    for img, path in tqdm(image_dataset):

# Get unique images
encode_train = sorted(set(img_name_vector))

# Feel free to change batch_size according to your system configuration
image_dataset = tf.data.Dataset.from_tensor_slices(encode_train)
image_dataset = image_dataset.map(
  load_image, num_parallel_calls=tf.data.AUTOTUNE).batch(16)

for img, path in image_dataset:
  batch_features = image_features_extract_model(img)
  batch_features = tf.reshape(batch_features,
                              (batch_features.shape[0], -1, batch_features.shape[3]))

  for bf, p in zip(batch_features, path):
    path_of_feature = p.numpy().decode("utf-8")
    np.save(path_of_feature, bf.numpy())

Altyazıları önişleme ve belirteçleştirme

  • İlk olarak, altyazıları belirteceksiniz (örneğin, boşluklara bölerek). Bu bize verilerdeki tüm benzersiz kelimelerin bir kelime dağarcığını verir (örneğin, "sörf", "futbol" vb.).
  • Ardından, sözcük dağarcığı boyutunu ilk 5.000 sözcükle sınırlayacaksınız (hafızadan tasarruf etmek için). Diğer tüm kelimeleri "UNK" (bilinmeyen) belirteci ile değiştireceksiniz.
  • Daha sonra kelimeden dizine ve indeksten kelimeye eşlemeler yaratırsınız.
  • Son olarak, tüm dizileri en uzun olanla aynı uzunlukta olacak şekilde doldurursunuz.
# Find the maximum length of any caption in the dataset
def calc_max_length(tensor):
    return max(len(t) for t in tensor)
# Choose the top 5000 words from the vocabulary
top_k = 5000
tokenizer = tf.keras.preprocessing.text.Tokenizer(num_words=top_k,
                                                  oov_token="<unk>",
                                                  filters='!"#$%&()*+.,-/:;=?@[\]^_`{|}~')
tokenizer.fit_on_texts(train_captions)
tokenizer.word_index['<pad>'] = 0
tokenizer.index_word[0] = '<pad>'
# Create the tokenized vectors
train_seqs = tokenizer.texts_to_sequences(train_captions)
# Pad each vector to the max_length of the captions
# If you do not provide a max_length value, pad_sequences calculates it automatically
cap_vector = tf.keras.preprocessing.sequence.pad_sequences(train_seqs, padding='post')
# Calculates the max_length, which is used to store the attention weights
max_length = calc_max_length(train_seqs)

Verileri eğitim ve test olarak ayırın

img_to_cap_vector = collections.defaultdict(list)
for img, cap in zip(img_name_vector, cap_vector):
  img_to_cap_vector[img].append(cap)

# Create training and validation sets using an 80-20 split randomly.
img_keys = list(img_to_cap_vector.keys())
random.shuffle(img_keys)

slice_index = int(len(img_keys)*0.8)
img_name_train_keys, img_name_val_keys = img_keys[:slice_index], img_keys[slice_index:]

img_name_train = []
cap_train = []
for imgt in img_name_train_keys:
  capt_len = len(img_to_cap_vector[imgt])
  img_name_train.extend([imgt] * capt_len)
  cap_train.extend(img_to_cap_vector[imgt])

img_name_val = []
cap_val = []
for imgv in img_name_val_keys:
  capv_len = len(img_to_cap_vector[imgv])
  img_name_val.extend([imgv] * capv_len)
  cap_val.extend(img_to_cap_vector[imgv])
len(img_name_train), len(cap_train), len(img_name_val), len(cap_val)
(24017, 24017, 6003, 6003)

Eğitim için bir tf.data veri kümesi oluşturun

Resimleriniz ve altyazılarınız hazır! Daha sonra, en bir yapalım tf.data modelinizi eğitim için kullanılacak veri kümesini.

# Feel free to change these parameters according to your system's configuration

BATCH_SIZE = 64
BUFFER_SIZE = 1000
embedding_dim = 256
units = 512
vocab_size = top_k + 1
num_steps = len(img_name_train) // BATCH_SIZE
# Shape of the vector extracted from InceptionV3 is (64, 2048)
# These two variables represent that vector shape
features_shape = 2048
attention_features_shape = 64
# Load the numpy files
def map_func(img_name, cap):
  img_tensor = np.load(img_name.decode('utf-8')+'.npy')
  return img_tensor, cap
dataset = tf.data.Dataset.from_tensor_slices((img_name_train, cap_train))

# Use map to load the numpy files in parallel
dataset = dataset.map(lambda item1, item2: tf.numpy_function(
          map_func, [item1, item2], [tf.float32, tf.int32]),
          num_parallel_calls=tf.data.AUTOTUNE)

# Shuffle and batch
dataset = dataset.shuffle(BUFFER_SIZE).batch(BATCH_SIZE)
dataset = dataset.prefetch(buffer_size=tf.data.AUTOTUNE)

modeli

Eğlenceli bir gerçek: Aşağıdaki kod çözücü için örnekteki ile aynıdır Dikkatine Sinir Makine Çevirisi .

Model mimari esinlenerek Show katılmak ve Tell kağıt.

  • Bu örnekte, bize bir şekil vektörü (8, 8, 2048) veren InceptionV3'ün alt evrişim katmanından özellikleri ayıklıyorsunuz.
  • Bunu (64, 2048) şeklinde eziyorsunuz.
  • Bu vektör daha sonra CNN Kodlayıcıdan geçirilir (bu, tek bir Tam bağlantılı katmandan oluşur).
  • RNN (burada GRU), bir sonraki kelimeyi tahmin etmek için görüntünün üzerinde durur.
class BahdanauAttention(tf.keras.Model):
  def __init__(self, units):
    super(BahdanauAttention, self).__init__()
    self.W1 = tf.keras.layers.Dense(units)
    self.W2 = tf.keras.layers.Dense(units)
    self.V = tf.keras.layers.Dense(1)

  def call(self, features, hidden):
    # features(CNN_encoder output) shape == (batch_size, 64, embedding_dim)

    # hidden shape == (batch_size, hidden_size)
    # hidden_with_time_axis shape == (batch_size, 1, hidden_size)
    hidden_with_time_axis = tf.expand_dims(hidden, 1)

    # attention_hidden_layer shape == (batch_size, 64, units)
    attention_hidden_layer = (tf.nn.tanh(self.W1(features) +
                                         self.W2(hidden_with_time_axis)))

    # score shape == (batch_size, 64, 1)
    # This gives you an unnormalized score for each image feature.
    score = self.V(attention_hidden_layer)

    # attention_weights shape == (batch_size, 64, 1)
    attention_weights = tf.nn.softmax(score, axis=1)

    # context_vector shape after sum == (batch_size, hidden_size)
    context_vector = attention_weights * features
    context_vector = tf.reduce_sum(context_vector, axis=1)

    return context_vector, attention_weights
class CNN_Encoder(tf.keras.Model):
    # Since you have already extracted the features and dumped it
    # This encoder passes those features through a Fully connected layer
    def __init__(self, embedding_dim):
        super(CNN_Encoder, self).__init__()
        # shape after fc == (batch_size, 64, embedding_dim)
        self.fc = tf.keras.layers.Dense(embedding_dim)

    def call(self, x):
        x = self.fc(x)
        x = tf.nn.relu(x)
        return x
class RNN_Decoder(tf.keras.Model):
  def __init__(self, embedding_dim, units, vocab_size):
    super(RNN_Decoder, self).__init__()
    self.units = units

    self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
    self.gru = tf.keras.layers.GRU(self.units,
                                   return_sequences=True,
                                   return_state=True,
                                   recurrent_initializer='glorot_uniform')
    self.fc1 = tf.keras.layers.Dense(self.units)
    self.fc2 = tf.keras.layers.Dense(vocab_size)

    self.attention = BahdanauAttention(self.units)

  def call(self, x, features, hidden):
    # defining attention as a separate model
    context_vector, attention_weights = self.attention(features, hidden)

    # x shape after passing through embedding == (batch_size, 1, embedding_dim)
    x = self.embedding(x)

    # x shape after concatenation == (batch_size, 1, embedding_dim + hidden_size)
    x = tf.concat([tf.expand_dims(context_vector, 1), x], axis=-1)

    # passing the concatenated vector to the GRU
    output, state = self.gru(x)

    # shape == (batch_size, max_length, hidden_size)
    x = self.fc1(output)

    # x shape == (batch_size * max_length, hidden_size)
    x = tf.reshape(x, (-1, x.shape[2]))

    # output shape == (batch_size * max_length, vocab)
    x = self.fc2(x)

    return x, state, attention_weights

  def reset_state(self, batch_size):
    return tf.zeros((batch_size, self.units))
encoder = CNN_Encoder(embedding_dim)
decoder = RNN_Decoder(embedding_dim, units, vocab_size)
optimizer = tf.keras.optimizers.Adam()
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(
    from_logits=True, reduction='none')


def loss_function(real, pred):
  mask = tf.math.logical_not(tf.math.equal(real, 0))
  loss_ = loss_object(real, pred)

  mask = tf.cast(mask, dtype=loss_.dtype)
  loss_ *= mask

  return tf.reduce_mean(loss_)

kontrol noktası

checkpoint_path = "./checkpoints/train"
ckpt = tf.train.Checkpoint(encoder=encoder,
                           decoder=decoder,
                           optimizer=optimizer)
ckpt_manager = tf.train.CheckpointManager(ckpt, checkpoint_path, max_to_keep=5)
start_epoch = 0
if ckpt_manager.latest_checkpoint:
  start_epoch = int(ckpt_manager.latest_checkpoint.split('-')[-1])
  # restoring the latest checkpoint in checkpoint_path
  ckpt.restore(ckpt_manager.latest_checkpoint)

Eğitim

  • Sen, ilgili saklanan özellikleri ayıklamak .npy dosya ve ardından kodlayıcı aracılığıyla bu özellikleri geçmektedir.
  • Kodlayıcı çıkışı, gizli durum (0'a sıfırlanır) ve kod çözücü girişi (başlangıç ​​belirtecidir) kod çözücüye iletilir.
  • Kod çözücü, tahminleri ve kod çözücünün gizli durumunu döndürür.
  • Şifre çözücü gizli durumu daha sonra modele geri gönderilir ve tahminler kaybı hesaplamak için kullanılır.
  • Kod çözücüye bir sonraki girişe karar vermek için öğretmen zorlamasını kullanın.
  • Öğretmen zorlaması, hedef kelimenin kod çözücüye bir sonraki girdi olarak iletildiği tekniktir.
  • Son adım, gradyanları hesaplamak ve bunu optimize ediciye uygulamak ve geri yaymaktır.
# adding this in a separate cell because if you run the training cell
# many times, the loss_plot array will be reset
loss_plot = []
@tf.function
def train_step(img_tensor, target):
  loss = 0

  # initializing the hidden state for each batch
  # because the captions are not related from image to image
  hidden = decoder.reset_state(batch_size=target.shape[0])

  dec_input = tf.expand_dims([tokenizer.word_index['<start>']] * target.shape[0], 1)

  with tf.GradientTape() as tape:
      features = encoder(img_tensor)

      for i in range(1, target.shape[1]):
          # passing the features through the decoder
          predictions, hidden, _ = decoder(dec_input, features, hidden)

          loss += loss_function(target[:, i], predictions)

          # using teacher forcing
          dec_input = tf.expand_dims(target[:, i], 1)

  total_loss = (loss / int(target.shape[1]))

  trainable_variables = encoder.trainable_variables + decoder.trainable_variables

  gradients = tape.gradient(loss, trainable_variables)

  optimizer.apply_gradients(zip(gradients, trainable_variables))

  return loss, total_loss
EPOCHS = 20

for epoch in range(start_epoch, EPOCHS):
    start = time.time()
    total_loss = 0

    for (batch, (img_tensor, target)) in enumerate(dataset):
        batch_loss, t_loss = train_step(img_tensor, target)
        total_loss += t_loss

        if batch % 100 == 0:
            average_batch_loss = batch_loss.numpy()/int(target.shape[1])
            print(f'Epoch {epoch+1} Batch {batch} Loss {average_batch_loss:.4f}')
    # storing the epoch end loss value to plot later
    loss_plot.append(total_loss / num_steps)

    if epoch % 5 == 0:
      ckpt_manager.save()

    print(f'Epoch {epoch+1} Loss {total_loss/num_steps:.6f}')
    print(f'Time taken for 1 epoch {time.time()-start:.2f} sec\n')
Epoch 1 Batch 0 Loss 2.0182
Epoch 1 Batch 100 Loss 1.0458
Epoch 1 Batch 200 Loss 0.9401
Epoch 1 Batch 300 Loss 0.8349
Epoch 1 Loss 1.015788
Time taken for 1 epoch 143.32 sec

Epoch 2 Batch 0 Loss 0.8371
Epoch 2 Batch 100 Loss 0.7207
Epoch 2 Batch 200 Loss 0.8596
Epoch 2 Batch 300 Loss 0.7751
Epoch 2 Loss 0.772248
Time taken for 1 epoch 46.74 sec

Epoch 3 Batch 0 Loss 0.7620
Epoch 3 Batch 100 Loss 0.7014
Epoch 3 Batch 200 Loss 0.6455
Epoch 3 Batch 300 Loss 0.6229
Epoch 3 Loss 0.696630
Time taken for 1 epoch 46.76 sec

Epoch 4 Batch 0 Loss 0.7225
Epoch 4 Batch 100 Loss 0.6594
Epoch 4 Batch 200 Loss 0.7152
Epoch 4 Batch 300 Loss 0.6822
Epoch 4 Loss 0.649376
Time taken for 1 epoch 48.71 sec

Epoch 5 Batch 0 Loss 0.6595
Epoch 5 Batch 100 Loss 0.6266
Epoch 5 Batch 200 Loss 0.5742
Epoch 5 Batch 300 Loss 0.6266
Epoch 5 Loss 0.609125
Time taken for 1 epoch 46.72 sec

Epoch 6 Batch 0 Loss 0.6315
Epoch 6 Batch 100 Loss 0.5590
Epoch 6 Batch 200 Loss 0.5991
Epoch 6 Batch 300 Loss 0.5937
Epoch 6 Loss 0.576173
Time taken for 1 epoch 47.20 sec

Epoch 7 Batch 0 Loss 0.5468
Epoch 7 Batch 100 Loss 0.5491
Epoch 7 Batch 200 Loss 0.5973
Epoch 7 Batch 300 Loss 0.5055
Epoch 7 Loss 0.545744
Time taken for 1 epoch 46.78 sec

Epoch 8 Batch 0 Loss 0.5396
Epoch 8 Batch 100 Loss 0.5099
Epoch 8 Batch 200 Loss 0.5155
Epoch 8 Batch 300 Loss 0.5184
Epoch 8 Loss 0.517781
Time taken for 1 epoch 47.09 sec

Epoch 9 Batch 0 Loss 0.5564
Epoch 9 Batch 100 Loss 0.4831
Epoch 9 Batch 200 Loss 0.5242
Epoch 9 Batch 300 Loss 0.5074
Epoch 9 Loss 0.491817
Time taken for 1 epoch 47.33 sec

Epoch 10 Batch 0 Loss 0.5594
Epoch 10 Batch 100 Loss 0.4628
Epoch 10 Batch 200 Loss 0.4929
Epoch 10 Batch 300 Loss 0.4092
Epoch 10 Loss 0.468157
Time taken for 1 epoch 50.05 sec

Epoch 11 Batch 0 Loss 0.4717
Epoch 11 Batch 100 Loss 0.4652
Epoch 11 Batch 200 Loss 0.4518
Epoch 11 Batch 300 Loss 0.4027
Epoch 11 Loss 0.444083
Time taken for 1 epoch 49.64 sec

Epoch 12 Batch 0 Loss 0.4736
Epoch 12 Batch 100 Loss 0.4340
Epoch 12 Batch 200 Loss 0.4360
Epoch 12 Batch 300 Loss 0.3910
Epoch 12 Loss 0.422930
Time taken for 1 epoch 49.40 sec

Epoch 13 Batch 0 Loss 0.4415
Epoch 13 Batch 100 Loss 0.4012
Epoch 13 Batch 200 Loss 0.4012
Epoch 13 Batch 300 Loss 0.4083
Epoch 13 Loss 0.400933
Time taken for 1 epoch 46.93 sec

Epoch 14 Batch 0 Loss 0.4171
Epoch 14 Batch 100 Loss 0.3551
Epoch 14 Batch 200 Loss 0.3756
Epoch 14 Batch 300 Loss 0.3629
Epoch 14 Loss 0.381658
Time taken for 1 epoch 47.99 sec

Epoch 15 Batch 0 Loss 0.3761
Epoch 15 Batch 100 Loss 0.3958
Epoch 15 Batch 200 Loss 0.3563
Epoch 15 Batch 300 Loss 0.3671
Epoch 15 Loss 0.362227
Time taken for 1 epoch 47.82 sec

Epoch 16 Batch 0 Loss 0.3684
Epoch 16 Batch 100 Loss 0.3528
Epoch 16 Batch 200 Loss 0.3344
Epoch 16 Batch 300 Loss 0.3239
Epoch 16 Loss 0.346299
Time taken for 1 epoch 48.80 sec

Epoch 17 Batch 0 Loss 0.3399
Epoch 17 Batch 100 Loss 0.3339
Epoch 17 Batch 200 Loss 0.3464
Epoch 17 Batch 300 Loss 0.2917
Epoch 17 Loss 0.330310
Time taken for 1 epoch 48.89 sec

Epoch 18 Batch 0 Loss 0.3267
Epoch 18 Batch 100 Loss 0.3435
Epoch 18 Batch 200 Loss 0.2867
Epoch 18 Batch 300 Loss 0.2923
Epoch 18 Loss 0.315087
Time taken for 1 epoch 48.70 sec

Epoch 19 Batch 0 Loss 0.3377
Epoch 19 Batch 100 Loss 0.2811
Epoch 19 Batch 200 Loss 0.3111
Epoch 19 Batch 300 Loss 0.3143
Epoch 19 Loss 0.299675
Time taken for 1 epoch 48.44 sec

Epoch 20 Batch 0 Loss 0.3191
Epoch 20 Batch 100 Loss 0.2566
Epoch 20 Batch 200 Loss 0.3144
Epoch 20 Batch 300 Loss 0.2959
Epoch 20 Loss 0.286692
Time taken for 1 epoch 46.53 sec
plt.plot(loss_plot)
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.title('Loss Plot')
plt.show()

png

Altyazı!

  • Değerlendirme işlevi, burada öğretmen zorlamasını kullanmamanız dışında eğitim döngüsüne benzer. Kod çözücüye her zaman adımında giriş, gizli durum ve kodlayıcı çıkışı ile birlikte önceki tahminleridir.
  • Model bitiş belirtecini tahmin ettiğinde tahmin etmeyi bırakın.
  • Ve her zaman adımı için dikkat ağırlıklarını saklayın.
def evaluate(image):
    attention_plot = np.zeros((max_length, attention_features_shape))

    hidden = decoder.reset_state(batch_size=1)

    temp_input = tf.expand_dims(load_image(image)[0], 0)
    img_tensor_val = image_features_extract_model(temp_input)
    img_tensor_val = tf.reshape(img_tensor_val, (img_tensor_val.shape[0],
                                                 -1,
                                                 img_tensor_val.shape[3]))

    features = encoder(img_tensor_val)

    dec_input = tf.expand_dims([tokenizer.word_index['<start>']], 0)
    result = []

    for i in range(max_length):
        predictions, hidden, attention_weights = decoder(dec_input,
                                                         features,
                                                         hidden)

        attention_plot[i] = tf.reshape(attention_weights, (-1, )).numpy()

        predicted_id = tf.random.categorical(predictions, 1)[0][0].numpy()
        result.append(tokenizer.index_word[predicted_id])

        if tokenizer.index_word[predicted_id] == '<end>':
            return result, attention_plot

        dec_input = tf.expand_dims([predicted_id], 0)

    attention_plot = attention_plot[:len(result), :]
    return result, attention_plot
def plot_attention(image, result, attention_plot):
    temp_image = np.array(Image.open(image))

    fig = plt.figure(figsize=(10, 10))

    len_result = len(result)
    for i in range(len_result):
        temp_att = np.resize(attention_plot[i], (8, 8))
        grid_size = max(np.ceil(len_result/2), 2)
        ax = fig.add_subplot(grid_size, grid_size, i+1)
        ax.set_title(result[i])
        img = ax.imshow(temp_image)
        ax.imshow(temp_att, cmap='gray', alpha=0.6, extent=img.get_extent())

    plt.tight_layout()
    plt.show()
# captions on the validation set
rid = np.random.randint(0, len(img_name_val))
image = img_name_val[rid]
real_caption = ' '.join([tokenizer.index_word[i]
                        for i in cap_val[rid] if i not in [0]])
result, attention_plot = evaluate(image)

print('Real Caption:', real_caption)
print('Prediction Caption:', ' '.join(result))
plot_attention(image, result, attention_plot)
Real Caption: <start> a couple of men standing next to each other <end>
Prediction Caption: a group of people besides his horse and holding hay <end>
/tmpfs/src/tf_docs_env/lib/python3.7/site-packages/ipykernel_launcher.py:10: MatplotlibDeprecationWarning: Passing non-integers as three-element position specification is deprecated since 3.3 and will be removed two minor releases later.
  # Remove the CWD from sys.path while we load stuff.

png

Kendi resimlerin üzerinde dene

Eğlenmek için aşağıda, az önce eğittiğiniz modelle kendi resimlerinize resim yazısı yazmak için kullanabileceğiniz bir yöntem sunulmaktadır. Nispeten az miktarda veri üzerinde eğitildiğini ve resimlerinizin eğitim verilerinden farklı olabileceğini unutmayın (bu nedenle garip sonuçlara hazır olun!)

image_url = 'https://tensorflow.org/images/surf.jpg'
image_extension = image_url[-4:]
image_path = tf.keras.utils.get_file('image'+image_extension, origin=image_url)

result, attention_plot = evaluate(image_path)
print('Prediction Caption:', ' '.join(result))
plot_attention(image_path, result, attention_plot)
# opening the image
Image.open(image_path)
Downloading data from https://tensorflow.org/images/surf.jpg
65536/64400 [==============================] - 0s 5us/step
73728/64400 [==================================] - 0s 4us/step
Prediction Caption: surfer rides on in the crest <end>
/tmpfs/src/tf_docs_env/lib/python3.7/site-packages/ipykernel_launcher.py:10: MatplotlibDeprecationWarning: Passing non-integers as three-element position specification is deprecated since 3.3 and will be removed two minor releases later.
  # Remove the CWD from sys.path while we load stuff.

png

png

Sonraki adımlar

Tebrikler! Az önce bir resim yazısı modelini dikkatle eğittiniz. Sonra, bu örnekte bir göz atın Dikkatine Sinir Makine Çevirisi . İspanyolca ve İngilizce cümleler arasında çeviri yapmak için benzer bir mimari kullanır. Bu not defterindeki kodu farklı bir veri kümesinde eğitmeyi de deneyebilirsiniz.