2 - 用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)的教程（一）

def load(test=False, cols=None):
"""Loads data from FTEST if *test* is True, otherwise from FTRAIN.
Pass a list of *cols* if you're only interested in a subset of the
target columns.
"""
fname = FTEST if test else FTRAIN
df = read_csv(os.path.expanduser(fname)) # load pandas dataframe

# The Image column has pixel values separated by space; convert
# the values to numpy arrays:
df['Image'] = df['Image'].apply(lambda im: np.fromstring(im, sep=' '))

if cols: # get a subset of columns
df = df[list(cols) + ['Image']]

print(df.count()) # prints the number of values for each column
df = df.dropna() # drop all rows that have missing values in them

X = np.vstack(df['Image'].values) / 255. # scale pixel values to [0, 1]
X = X.astype(np.float32)

if not test: # only FTRAIN has any target columns
y = df[df.columns[:-1]].values
y = (y - 48) / 48 # scale target coordinates to [-1, 1]
X, y = shuffle(X, y, random_state=42) # shuffle train data
y = y.astype(np.float32)
else:
y = None

return X, y

X, y = load()
print("X.shape == {}; X.min == {:.3f}; X.max == {:.3f}".format(
X.shape, X.min(), X.max()))
print("y.shape == {}; y.min == {:.3f}; y.max == {:.3f}".format(
y.shape, y.min(), y.max()))

你沒有必要看懂這個(gè)函數(shù)的每一個(gè)細(xì)節(jié)。 但讓我們看看上面的腳本輸出：
$ python kfkd.py
left_eye_center_x 7034
left_eye_center_y 7034
right_eye_center_x 7032
right_eye_center_y 7032
left_eye_inner_corner_x 2266
left_eye_inner_corner_y 2266
left_eye_outer_corner_x 2263
left_eye_outer_corner_y 2263
right_eye_inner_corner_x 2264
right_eye_inner_corner_y 2264
…
mouth_right_corner_x 2267
mouth_right_corner_y 2267
mouth_center_top_lip_x 2272
mouth_center_top_lip_y 2272
mouth_center_bottom_lip_x 7014
mouth_center_bottom_lip_y 7014
Image 7044
dtype: int64
X.shape == (2140, 9216); X.min == 0.000; X.max == 1.000
y.shape == (2140, 30); y.min == -0.920; y.max == 0.996

首先，它打印出了CSV文件中所有列的列表以及每個(gè)列的可用值的數(shù)量。 因此，雖然我們有一個(gè)圖像的訓(xùn)練數(shù)據(jù)中的所有行，我們對(duì)于mouth_right_corner_x只有個(gè)2,267的值等等。

load()返回一個(gè)元組(X，y)，其中y是目標(biāo)矩陣。 y的形狀是n×m的，其中n是具有所有m個(gè)關(guān)鍵點(diǎn)的數(shù)據(jù)集中的樣本數(shù)。 刪除具有缺失值的所有行是這行代碼的功能：
df = df.dropna() # drop all rows that have missing values in them

這個(gè)腳本輸出的y.shape == (2140, 30)告訴我們，在數(shù)據(jù)集中只有2140個(gè)圖像有著所有30個(gè)目標(biāo)值。

一開始，我們將僅訓(xùn)練這2140個(gè)樣本。 這使得我們比樣本具有更多的輸入大小（9,216）; 過度擬合可能成為一個(gè)問題。當(dāng)然，拋棄70％的訓(xùn)練數(shù)據(jù)也是一個(gè)壞主意。但是目前就這樣，我們將在后面談?wù)摗?/p>

第一個(gè)模型：一個(gè)單隱層

現(xiàn)在我們已經(jīng)完成了加載數(shù)據(jù)的工作，讓我們使用Lasagne并創(chuàng)建一個(gè)帶有一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)。 我們將從代碼開始：
# add to kfkd.py
from lasagne import layers
from lasagne.updates import nesterov_momentum
from nolearn.lasagne import NeuralNet

net1 = NeuralNet(
layers=[ # three layers: one hidden layer
('input', layers.InputLayer),
('hidden', layers.DenseLayer),
('output', layers.DenseLayer),
],
# layer parameters:
input_shape=(None, 9216), # 96x96 input pixels per batch
hidden_num_units=100, # number of units in hidden layer
output_nonlinearity=None, # output layer uses identity function
output_num_units=30, # 30 target values

# optimization method:
update=nesterov_momentum,
update_learning_rate=0.01,
update_momentum=0.9,

regression=True, # flag to indicate we're dealing with regression problem
max_epochs=400, # we want to train this many epochs
verbose=1,
)

X, y = load()
net1.fit(X, y)

我們使用相當(dāng)多的參數(shù)來初始化NeuralNet。讓我們看看他們。首先是三層及其參數(shù)：
layers=[ # 三層神經(jīng)網(wǎng)絡(luò)：一個(gè)隱層
('input', layers.InputLayer),
('hidden', layers.DenseLayer),
('output', layers.DenseLayer),
],
# 層的參數(shù):
input_shape=(None, 9216), # 每個(gè)批次96x96個(gè)輸入樣例
hidden_num_units=100, # 隱層中的單元數(shù)
output_nonlinearity=None, # 輸出用的激活函數(shù)
output_num_units=30, # 30個(gè)目標(biāo)值

這里我們定義輸入層，隱藏層和輸出層。在層參數(shù)中，我們命名并指定每個(gè)層的類型及其順序。參數(shù)input_shape，hidden_??num_units，output_nonlinearity和output_num_units是特定層的參數(shù)。它們通過它們的前綴引用層，使得input_shape定義輸入層的shape參數(shù)，hidden_??num_units定義隱藏層的num_units等等。（看起來有點(diǎn)奇怪，我們必須指定像這樣的參數(shù)，但結(jié)果是它讓我們對(duì)于受使用scikit-learn的管道和參數(shù)搜索功能擁有更好的兼容性。）

我們將input_shape的第一個(gè)維度設(shè)置為None。這轉(zhuǎn)換為可變批量大小。如果你知道批量大小的話，也可以設(shè)置成固定值，如果為None，則是可變值。

我們將output_nonlinearity設(shè)置為None。因此，輸出單元的激活僅僅是隱藏層中的激活的線性組合。