In [ ]:
#@title Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
Note: これらのドキュメントは私たちTensorFlowコミュニティが翻訳したものです。コミュニティによる 翻訳はベストエフォートであるため、この翻訳が正確であることや英語の公式ドキュメントの 最新の状態を反映したものであることを保証することはできません。 この翻訳の品質を向上させるためのご意見をお持ちの方は、GitHubリポジトリtensorflow/docsにプルリクエストをお送りください。 コミュニティによる翻訳やレビューに参加していただける方は、 docs-ja@tensorflow.org メーリングリストにご連絡ください。
このチュートリアルでは、'tf.data' を使って画像データセットをロードする簡単な例を示します。
このチュートリアルで使用するデータセットは、クラスごとに別々のディレクトリに別れた形で配布されています。
In [ ]:
import tensorflow as tf
In [ ]:
AUTOTUNE = tf.data.experimental.AUTOTUNE
In [ ]:
import pathlib
data_root_orig = tf.keras.utils.get_file(origin='https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
fname='flower_photos', untar=True)
data_root = pathlib.Path(data_root_orig)
print(data_root)
218MB をダウンロードすると、花の画像のコピーが使えるようになっているはずです。
In [ ]:
for item in data_root.iterdir():
print(item)
In [ ]:
import random
all_image_paths = list(data_root.glob('*/*'))
all_image_paths = [str(path) for path in all_image_paths]
random.shuffle(all_image_paths)
image_count = len(all_image_paths)
image_count
In [ ]:
all_image_paths[:10]
In [ ]:
import os
attributions = (data_root/"LICENSE.txt").open(encoding='utf-8').readlines()[4:]
attributions = [line.split(' CC-BY') for line in attributions]
attributions = dict(attributions)
In [ ]:
import IPython.display as display
def caption_image(image_path):
image_rel = pathlib.Path(image_path).relative_to(data_root)
return "Image (CC BY 2.0) " + ' - '.join(attributions[str(image_rel)].split(' - ')[:-1])
In [ ]:
for n in range(3):
image_path = random.choice(all_image_paths)
display.display(display.Image(image_path))
print(caption_image(image_path))
print()
ラベルを一覧してみます。
In [ ]:
label_names = sorted(item.name for item in data_root.glob('*/') if item.is_dir())
label_names
ラベルにインデックスを割り当てます。
In [ ]:
label_to_index = dict((name, index) for index,name in enumerate(label_names))
label_to_index
ファイルとラベルのインデックスの一覧を作成します。
In [ ]:
all_image_labels = [label_to_index[pathlib.Path(path).parent.name]
for path in all_image_paths]
print("First 10 labels indices: ", all_image_labels[:10])
TensorFlow には画像を読み込んで処理するために必要なツールが備わっています。
In [ ]:
img_path = all_image_paths[0]
img_path
以下は生のデータです。
In [ ]:
img_raw = tf.io.read_file(img_path)
print(repr(img_raw)[:100]+"...")
画像のテンソルにデコードします。
In [ ]:
img_tensor = tf.image.decode_image(img_raw)
print(img_tensor.shape)
print(img_tensor.dtype)
モデルに合わせてリサイズします。
In [ ]:
img_final = tf.image.resize(img_tensor, [192, 192])
img_final = img_final/255.0
print(img_final.shape)
print(img_final.numpy().min())
print(img_final.numpy().max())
このあと使用するために、簡単な関数にまとめます。
In [ ]:
def preprocess_image(image):
image = tf.image.decode_jpeg(image, channels=3)
image = tf.image.resize(image, [192, 192])
image /= 255.0 # normalize to [0,1] range
return image
In [ ]:
def load_and_preprocess_image(path):
image = tf.io.read_file(path)
return preprocess_image(image)
In [ ]:
import matplotlib.pyplot as plt
image_path = all_image_paths[0]
label = all_image_labels[0]
plt.imshow(load_and_preprocess_image(img_path))
plt.grid(False)
plt.xlabel(caption_image(img_path))
plt.title(label_names[label].title())
print()
tf.data.Dataset
を構築するもっとも簡単な方法は、from_tensor_slices
メソッドを使うことです。
文字列の配列をスライスすると、文字列のデータセットが出来上がります。
In [ ]:
path_ds = tf.data.Dataset.from_tensor_slices(all_image_paths)
shapes
と types
は、データセット中のそれぞれのアイテムの内容を示しています。この場合には、バイナリ文字列のスカラーのセットです。
In [ ]:
print(path_ds)
preprocess_image
をファイルパスのデータセットにマップすることで、画像を実行時にロードし整形する新しいデータセットを作成します。
In [ ]:
image_ds = path_ds.map(load_and_preprocess_image, num_parallel_calls=AUTOTUNE)
In [ ]:
import matplotlib.pyplot as plt
plt.figure(figsize=(8,8))
for n,image in enumerate(image_ds.take(4)):
plt.subplot(2,2,n+1)
plt.imshow(image)
plt.grid(False)
plt.xticks([])
plt.yticks([])
plt.xlabel(caption_image(all_image_paths[n]))
plt.show()
おなじ from_tensor_slices
メソッドを使ってラベルのデータセットを作ることができます。
In [ ]:
label_ds = tf.data.Dataset.from_tensor_slices(tf.cast(all_image_labels, tf.int64))
In [ ]:
for label in label_ds.take(10):
print(label_names[label.numpy()])
これらのデータセットはおなじ順番なので、zip することで (image, label)
というペアのデータセットができます。
In [ ]:
image_label_ds = tf.data.Dataset.zip((image_ds, label_ds))
新しいデータセットの shapes
と types
は、それぞれのフィールドを示すシェイプと型のタプルです。
In [ ]:
print(image_label_ds)
注: all_image_labels
や all_image_paths
のような配列がある場合、 tf.data.dataset.Dataset.zip
メソッドの代わりとなるのは、配列のペアをスライスすることです。
In [ ]:
ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))
# The tuples are unpacked into the positional arguments of the mapped function
# タプルは展開され、マップ関数の位置引数に割り当てられます
def load_and_preprocess_from_path_label(path, label):
return load_and_preprocess_image(path), label
image_label_ds = ds.map(load_and_preprocess_from_path_label)
image_label_ds
このデータセットを使ってモデルの訓練を行うには、データが
ことが必要です。
これらの特性は tf.data
APIを使えば簡単に付け加えることができます。
In [ ]:
BATCH_SIZE = 32
# シャッフルバッファのサイズをデータセットとおなじに設定することで、データが完全にシャッフルされる
# ようにできます。
ds = image_label_ds.shuffle(buffer_size=image_count)
ds = ds.repeat()
ds = ds.batch(BATCH_SIZE)
# `prefetch`を使うことで、モデルの訓練中にバックグラウンドでデータセットがバッチを取得できます。
ds = ds.prefetch(buffer_size=AUTOTUNE)
ds
注意すべきことがいくつかあります。
順番が重要です。
.repeat
の前に .shuffle
すると、エポックの境界を越えて要素がシャッフルされます。(ほかの要素がすべて出現する前に2回出現する要素があるかもしれません).batch
の後に .shuffle
すると、バッチの順番がシャッフルされますが、要素がバッチを越えてシャッフルされることはありません。完全なシャッフルのため、 buffer_size
をデータセットとおなじサイズに設定しています。データセットのサイズ未満の場合、値が大きいほど良くランダム化されますが、より多くのメモリーを使用します。
シャッフルバッファがいっぱいになってから要素が取り出されます。そのため、大きな buffer_size
が Dataset
を使い始める際の遅延の原因になります。
シャッフルされたデータセットは、シャッフルバッファが完全に空になるまでデータセットが終わりであることを伝えません。 .repeat
によって Dataset
が再起動されると、シャッフルバッファが一杯になるまでもう一つの待ち時間が発生します。
最後の問題は、 tf.data.Dataset.apply
メソッドを、融合された tf.data.experimental.shuffle_and_repeat
関数と組み合わせることで対処できます。
In [ ]:
ds = image_label_ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds = ds.batch(BATCH_SIZE)
ds = ds.prefetch(buffer_size=AUTOTUNE)
ds
In [ ]:
mobile_net = tf.keras.applications.MobileNetV2(input_shape=(192, 192, 3), include_top=False)
mobile_net.trainable=False
このモデルは、入力が [-1,1]
の範囲に正規化されていることを想定しています。
help(keras_applications.mobilenet_v2.preprocess_input)
... This function applies the "Inception" preprocessing which converts the RGB values from [0, 255] to [-1, 1] ...
このため、データをMobileNetモデルに渡す前に、入力を[0,1]
の範囲から[-1,1]
の範囲に変換する必要があります。
In [ ]:
def change_range(image,label):
return 2*image-1, label
keras_ds = ds.map(change_range)
MobileNetは画像ごとに 6x6
の特徴量の空間を返します。
バッチを1つ渡してみましょう。
In [ ]:
# シャッフルバッファがいっぱいになるまで、データセットは何秒かかかります。
image_batch, label_batch = next(iter(keras_ds))
In [ ]:
feature_map_batch = mobile_net(image_batch)
print(feature_map_batch.shape)
MobileNet をラップしたモデルを作り、出力層である tf.keras.layers.Dense
の前に、tf.keras.layers.GlobalAveragePooling2D
で空間の軸にそって平均値を求めます。
In [ ]:
model = tf.keras.Sequential([
mobile_net,
tf.keras.layers.GlobalAveragePooling2D(),
tf.keras.layers.Dense(len(label_names))])
期待したとおりの形状の出力が得られます。
In [ ]:
logit_batch = model(image_batch).numpy()
print("min logit:", logit_batch.min())
print("max logit:", logit_batch.max())
print()
print("Shape:", logit_batch.shape)
訓練手法を記述するためにモデルをコンパイルします。
In [ ]:
model.compile(optimizer=tf.keras.optimizers.Adam(),
loss='sparse_categorical_crossentropy',
metrics=["accuracy"])
訓練可能な変数は2つ、全結合層の weights
と bias
です。
In [ ]:
len(model.trainable_variables)
In [ ]:
model.summary()
モデルを訓練します。
普通は、エポックごとの本当のステップ数を指定しますが、ここではデモの目的なので3ステップだけとします。
In [ ]:
steps_per_epoch=tf.math.ceil(len(all_image_paths)/BATCH_SIZE).numpy()
steps_per_epoch
In [ ]:
model.fit(ds, epochs=1, steps_per_epoch=3)
注:このセクションでは性能の向上に役立ちそうな簡単なトリックをいくつか紹介します。詳しくは、Input Pipeline Performance を参照してください。
上記の単純なパイプラインは、エポックごとにそれぞれのファイルを一つずつ読み込みます。これは、CPU を使ったローカルでの訓練では問題になりませんが、GPU を使った訓練では十分ではなく、いかなる分散訓練でも使うべきではありません。
調査のため、まず、データセットの性能をチェックする簡単な関数を定義します。
In [ ]:
import time
default_timeit_steps = 2*steps_per_epoch+1
def timeit(ds, steps=default_timeit_steps):
overall_start = time.time()
# Fetch a single batch to prime the pipeline (fill the shuffle buffer),
# before starting the timer
it = iter(ds.take(steps+1))
next(it)
start = time.time()
for i,(images,labels) in enumerate(it):
if i%10 == 0:
print('.',end='')
print()
end = time.time()
duration = end-start
print("{} batches: {} s".format(steps, duration))
print("{:0.5f} Images/s".format(BATCH_SIZE*steps/duration))
print("Total time: {}s".format(end-overall_start))
現在のデータセットの性能は次のとおりです。
In [ ]:
ds = image_label_ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds = ds.batch(BATCH_SIZE).prefetch(buffer_size=AUTOTUNE)
ds
In [ ]:
timeit(ds)
tf.data.Dataset.cache
を使うと、エポックを越えて計算結果を簡単にキャッシュできます。特に、データがメモリに収まるときには効果的です。
ここでは、画像が前処理(デコードとリサイズ)された後でキャッシュされます。
In [ ]:
ds = image_label_ds.cache()
ds = ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds = ds.batch(BATCH_SIZE).prefetch(buffer_size=AUTOTUNE)
ds
In [ ]:
timeit(ds)
メモリキャッシュを使う際の欠点のひとつは、実行の都度キャッシュを再構築しなければならないことです。このため、データセットがスタートするたびにおなじだけ起動のための遅延が発生します。
In [ ]:
timeit(ds)
データがメモリに収まらない場合には、キャッシュファイルを使用します。
In [ ]:
ds = image_label_ds.cache(filename='./cache.tf-data')
ds = ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds = ds.batch(BATCH_SIZE).prefetch(1)
ds
In [ ]:
timeit(ds)
キャッシュファイルには、キャッシュを再構築することなくデータセットを再起動できるという利点もあります。2回めがどれほど早いか見てみましょう。
In [ ]:
timeit(ds)
In [ ]:
image_ds = tf.data.Dataset.from_tensor_slices(all_image_paths).map(tf.io.read_file)
tfrec = tf.data.experimental.TFRecordWriter('images.tfrec')
tfrec.write(image_ds)
次に、TFRecord ファイルを読み込み、以前定義した preprocess_image
関数を使って画像のデコード/リフォーマットを行うデータセットを構築します。
In [ ]:
image_ds = tf.data.TFRecordDataset('images.tfrec').map(preprocess_image)
これを、前に定義済みのラベルデータセットと zip し、期待どおりの (image,label)
のペアを得ます。
In [ ]:
ds = tf.data.Dataset.zip((image_ds, label_ds))
ds = ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds=ds.batch(BATCH_SIZE).prefetch(AUTOTUNE)
ds
In [ ]:
timeit(ds)
これは、cache
バージョンよりも低速です。前処理をキャッシュしていないからです。
前処理を TFRecord ファイルに保存するには、前やったように前処理した画像のデータセットを作ります。
In [ ]:
paths_ds = tf.data.Dataset.from_tensor_slices(all_image_paths)
image_ds = paths_ds.map(load_and_preprocess_image)
image_ds
.jpeg
文字列のデータセットではなく、これはテンソルのデータセットです。
これを TFRecord ファイルにシリアライズするには、まず、テンソルのデータセットを文字列のデータセットに変換します。
In [ ]:
ds = image_ds.map(tf.io.serialize_tensor)
ds
In [ ]:
tfrec = tf.data.experimental.TFRecordWriter('images.tfrec')
tfrec.write(ds)
前処理をキャッシュしたことにより、データは TFRecord ファイルから非常に効率的にロードできます。テンソルを使用する前にデシリアライズすることを忘れないでください。
In [ ]:
ds = tf.data.TFRecordDataset('images.tfrec')
def parse(x):
result = tf.io.parse_tensor(x, out_type=tf.float32)
result = tf.reshape(result, [192, 192, 3])
return result
ds = ds.map(parse, num_parallel_calls=AUTOTUNE)
ds
次にラベルを追加し、以前とおなじような標準的な処理を適用します。
In [ ]:
ds = tf.data.Dataset.zip((ds, label_ds))
ds = ds.apply(
tf.data.experimental.shuffle_and_repeat(buffer_size=image_count))
ds=ds.batch(BATCH_SIZE).prefetch(AUTOTUNE)
ds
In [ ]:
timeit(ds)