在第3篇文章中，我們構建並訓練了第一個神經網路，接下來可以處理一些更復雜的樣本了。

最頂尖的深度學習模型通常都複雜到讓人難以置信。其中可能包含數百層，就算用不了數週，往往也要數天時間來使用海量資料進行訓練。這類模型的構建和優化需要大量經驗。

好在這些模型的使用還是很簡單的，通常只需要編寫幾行程式碼。本文將使用一個名為Inception v3的預訓練模型進行圖片分類。

Inception v3

誕生於2015年12月的Inception v3是GoogleNet模型（曾贏得2014年度ImageNet挑戰賽）的改進版。本文不準備深入介紹該模型的研究論文，不過打算強調一下論文的結論：相比當時最棒的模型，Inception v3的準確度高出了15%–25%

簡直就是神器！那麼我們該如何使用？

MXNet model zoo

Model zoo提供了一系列可直接使用的預訓練模型，並且通常還會提供模型定義、模型引數（例如神經元權重），（也許還會提供）使用說明。

首先來下載定義和引數（你也許需要更改檔名）。第一個檔案可以直接開啟：其中包含了每一層的定義。第二個檔案是一個二進位制檔案，請不要開啟 ;)

$ 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

該模型已通過ImageNet資料集進行了訓練，因此我們還需要下載對應的圖片分類清單（共有1000個分類）。

$ 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，開始實戰。

載入模型

我們需要：

• 載入處於儲存狀態的模型：MXNet將其稱之為檢查點(Checkpoint)。隨後即可得到輸入的Symbol和模型引數。

  import mxnet as mx
  
  sym, arg_params, aux_params = mx.model.load_checkpoint('Inception-BN', 0)

• 新建一個Module併為其指派輸入Symbol。我們還可以使用一個Context引數決定要在哪裡執行該模型：預設值為cpu(0)，但也可改為gpu(0)以便通過GPU執行。

  mod = mx.mod.Module(symbol=sym)

• 將輸入Symbol繫結至輸入資料。將其稱之為“資料”是因為在網路的輸入層中就使用了這樣的名稱（可以從JSON檔案的前幾行程式碼中看到）。

• 將“資料”的形態(Shape)定義為1x3x224x224。別慌 ;)，“224x224”是圖片的解析度，模型就是這樣訓練出來的。“3”是通道數量：紅綠藍（嚴格按照這樣的順序），“1”是批大小：我們將一次預測一張圖片。

  mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))])

• 設定模型引數。

  mod.set_params(arg_params, aux_params)

這樣就可以了。只需要四行程式碼！隨後可以放入一些資料看看會發生什麼。嗯……先別急。

準備資料

資料準備：從七十年代以來，這一直是個痛苦的過程……從關係型資料庫到機器學習，再到深度學習，這方面沒有任何改進。雖然乏味但很必要。開始吧。

還記得嗎，這個模型需要通過四維NDArray來儲存一張224x224解析度圖片的紅、綠、藍通道資料。我們將使用流行的OpenCV庫從輸入圖片中構建這樣的NDArray。如果還沒安裝OpenCV，考慮到本例的要求，直接執行pip install opencv-python就夠了 :)。

隨後的步驟如下：

• 讀取圖片：將返回一個Numpy陣列，其形態為（圖片高度, 圖片寬度, 3），按順序代表BGR（藍、綠、紅）三個通道。

  img = cv2.imread(filename)

• 將圖片轉換為RGB。

  img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

• 將圖片調整大小至224x224。

  img = cv2.resize(img, (224, 224,))

• 重塑陣列的形態，從（圖片高度, 圖片寬度, 3）重塑為（3, 圖片高度, 圖片寬度）。

  img = np.swapaxes(img, 0, 2)
  img = np.swapaxes(img, 1, 2)

• 新增一個第四維度並構建NDArray

  img = img[np.newaxis, :]
  array = mx.nd.array(img)
  >>> print array.shape
  (1L, 3L, 224L, 224L)

暈了？一起用個例子看看吧。輸入下列這張圖片：

輸入448x336的圖片（來源：metaltraveller.com）

處理完畢後，該圖會被縮小尺寸並拆分為RGB通道，儲存在array[0]中（生成下文圖片的程式碼可參閱這裡）。

array[0][0]：224x224，紅色通道

array0：224x224，綠色通道

array0：224x224，藍色通道

如果批大小大於1，那麼可以通過array1指定第二張圖片，使用array2指定第三張圖片，以此類推。

無論這個過程是乏味還是有趣，接下來我們開始預測吧！

開始預測

你可能還記得第3篇文章中提到，Module物件必須以批為單位向模型提供資料：最常見的做法是使用資料迭代器（因此我們使用了NDArrayIter物件）。

在這裡我們想要預測一張圖片，因此儘管可以使用資料迭代器，不過也沒啥必要。但我們可以建立一個名為Batch的具名元組(Named tuple),它可以充當假的迭代器，在引用資料屬性時返回輸入的NDArray。

from collections import namedtuple
Batch = namedtuple('Batch', ['data'])

隨後即可將這個“Batch”傳遞給模型開始預測。

mod.forward(Batch([array]))

這個模型會輸出一個包含1000個可能性的NDArray，每個可能性對應一個分類。由於批大小等於1，因此只需要一行程式碼。

prob = mod.get_outputs()[0].asnumpy()
>>> prob.shape
(1, 1000)

使用squeeze()將其轉換為陣列，隨後使用argsort()建立第二個陣列，其中儲存了這些可能性按照降序排列的指數。

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,)

根據模型的計算，這張圖片最可能的分類是#546，可能性為58%。

>> sortedprob
[546 819 862 818 542 402 650 420 983 632 733 644 513 875 776 917 795
etc.
>> prob[546]
0.58039135

這個分類叫什麼名字呢？我們可以使用synset.txt檔案構建分類清單，並找出546號的名稱。

synsetfile = open('synset.txt', 'r')
categorylist = []
for line in synsetfile:
  categorylist.append(line.rstrip())
>>> categorylist[546]
'n03272010 electric guitar'

可能性第二大的分類是什麼？

>>> prob[819]
0.27168664
>>> categorylist[819]
'n04296562 stage

挺棒的，你說呢？

就是這樣，我們已經瞭解瞭如何使用預訓練的頂尖模型進行圖片分類。而這一切只需要4行程式碼……除此之外只要準備好資料就夠了。

完整程式碼如下，請自行嘗試並繼續保持關注 ??

後續內容：

• 第5篇：進一步瞭解預訓練模型（VGG16和ResNet-152）
• 第6篇：通過樹莓派進行實時物體檢測（並讓它講話！）