模型预处理 - Keras

使用 TensorSpace 和 TensorSpace-Converter 可视化 Keras 模型

简介

本教程展示如何使用 TensorSpace 和 TensorSpace-Converter 可视化 Keras 模型。在接下来的教程中，可视化使用 MNIST 数据集和 LeNet 神经网络结构构建的 Keras 模型。

若果您并没有任何可以直接使用的 Keras 模型，可以使用这个脚本训练一个新的样例模型。当然，我们也提供了训练好的 LeNet 模型，在可以直接从这里获得。

文件

以下为本篇教程所使用的代码及模型文件:

Keras 模型

TensorSpace-Converter 预处理脚本

TensorSpace 可视化代码

预处理

首先我们将会使用 TensorSpace-Converter 对不同格式的 Keras 模型进行预处理。

模型结构和权重保存在一个HDF5文件

对于一个 Keras 模型，如果模型结构和权重保存在同一个 HDF5 文件中，模型将会是 xxx.h5。可以使用以下 TensorSpace-Converter 脚本进行转化：

$ tensorspacejs_converter \
--input_model_from="keras" \
--input_model_format="topology_weights_combined" \
--output_node_names="Conv2D_1,MaxPooling2D_1,Conv2D_2,MaxPooling2D_2,Dense_1,Dense_2,Softmax" \
./rawModel/combined/mnist.h5 \
./convertedModel/

注意:

将 input_model_from 设置成 keras。
将 input_model_format 设置成 topology_weights_combined。
将 .h5 文件的路径设置到 input_path 中。
取出 Keras 模型的 Layer 名称 , 然后设置到 output_layer_names 中，如图1 所示。
以上 TensorSpace-Converter 预处理脚本将会在 convertedModel 文件夹中生成经过预处理的模型。在本教程中，我们已经生成了经过预处理的模型，模型文件可以在这个文件夹中找到。

模型结构和权重保存在不同的文件中

对于一个 Keras 模型，如果模型结构和权重分开保存，那么会有一个模型结构文件 xxx.json 和一个模型权重文件 eee.h5。可以使用以下 TensorSpace-Converter 脚本进行转化：

$ tensorspacejs_converter \
--input_model_from="keras" \
--input_model_format="topology_weights_separated" \
--output_node_names="Conv2D_1,MaxPooling2D_1,Conv2D_2,MaxPooling2D_2,Dense_1,Dense_2,Softmax" \
./rawModel/separated/topology.json,./rawModel/separated/weight.h5 \
./convertedModel/

注意:

将 input_model_from 设置成 keras。
将 input_model_format 设置成 topology_weights_separated。
对于这种模型类型，因为有两个模型文件，在设置 TensorSpace-Converter 的 input_path 时，合并两个文件的路径，并用英文半角逗号“,”分开，将 .json 文件的路径在前，.h5 文件的路径在后。
取出 Keras 模型的 Layer 名称 , 然后设置到 output_layer_names 中，如图1 所示。
以上 TensorSpace-Converter 预处理脚本将会在 convertedModel 文件夹中生成经过预处理的模型。在本教程中，我们已经生成了经过预处理的模型，模型文件可以在这个文件夹中找到。

图1 - 将模型 Layer 名取出并设置 output_layer_names

经过转化后，我们将会得到经过预处理的模型：

图2 - 经过预处理的 Keras 模型

注意:

我们将会得到2种不同类型的文件：
- 一份 model.json 文件：包含所得到的模型结构信息（包括中间层输出）。
- 一些权重文件：包含模型训练所得到的权重信息。权重文件的数量取决于模型的结构。

载入并可视化

通过 TensorSpace API 构建 TensorSpace 可视化模型。

let model = new TSP.models.Sequential( modelContainer );

model.add( new TSP.layers.GreyscaleInput() );
model.add( new TSP.layers.Conv2d() );
model.add( new TSP.layers.Pooling2d() );
model.add( new TSP.layers.Conv2d() );
model.add( new TSP.layers.Pooling2d() );
model.add( new TSP.layers.Dense() );
model.add( new TSP.layers.Dense() );
model.add( new TSP.layers.Output1d( {
    outputs: [ "0", "1", "2", "3", "4", "5", "6", "7", "8", "9" ]
} ) );

载入经过 TensorSpace-Converter 预处理的模型，然后将模型进行初始化：

model.load( {
    type: "keras",
    url: "./convertedModel/model.json"
} );

model.init();

结果显示

若至此一切顺利，在浏览器中打开 index.html ，将会看到以下模型：

图3 - TensorSpace LeNet 预测 “5”