本文最后更新于 1205 天前，其中的信息可能已经有所发展或是发生改变。
在 docker 下配置 cuda、tensorflow，以及训练模型（优点是多用户之间保持隔离）。docker 的安装见电子书 Docker – 从入门到实践/安装docker。
1. 创建用户
sudo useradd -m potoo # 创建 potoo，
sudo usermod -aG sudo potoo # 并分配到sudo组，使其可用sudo提权
sudo passwd potoo # 更改 potoo 的密码
su potoo # 切换到 potoo 用户
cd ~ # 切换到当前用户的家目录
2. 安装 cuda
使用 Nvidia 容器工具包 来配置环境。此处从其官网中截取 nvidia-docker 的安装命令:
# 添加 Nvidia 容器工具源地址
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
# 安装 Nvidia 容器工具包
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
# 重启 docker
sudo systemctl restart docker
docker 拉取 cuda 镜像:
docker pull nvidia/cuda:latest
测试 cuda:
docker run --gpus all --rm nvidia/cuda:latest nvidia-smi
注意：截止 docker == 19.03.8, docker-compose == 1.25.5，还未正式支持 docker-compose 部署和启动 nvidia-docker，相关 issue: Support for NVIDIA GPUs under Docker Compose。有个曲折的方法是：通过 nvidia-container-runtime 设置启动前的 hook。
3. 安装 Tensorflow-GPU
Tensorflow 安装详细见官方文档: Tensorflow Install/docker。
TensorFlow Docker images 镜像拉取，由于我下面要使用 tfhub V2，故这里拉取最新镜像(py 3.6, tf 2.x) (自从 220.1.27 起有标签 py3 和无标签的均指向同一份 py3 的镜像):
docker pull tensorflow/tensorflow:latest-gpu-jupyter
关于 tag 带 jupyter 的镜像，查看其镜像构建会发现其会自动启动 jupyter-notebook，并且目录为 /tf，镜像构建的最后一条命令如下:
/bin/bash -c #(nop) CMD ["bash" "-c" "source /etc/bash.bashrc && jupyter notebook --notebook-dir=/tf --ip 0.0.0.0 --no-browser --allow-root"]
测试:
# 运行镜像并进入容器内
docker run --gpus all -it tensorflow/tensorflow:latest-gpu-jupyter /bin/bash
# 查看 python 与 tensorflow 版本
python -V # 本次版本为 Python 3.6.9
pip list | grep tensorflow # 本次版本为 2.2.0
jupyter --version # jupyter notebook 为 6.0.3
# 测试 GPU，能正确看到 GPU 信息说明以上环境全部成功配置
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
4. 训练
先介绍下我所知的开源图像分类模型训练方法，有以下两种方法:
- tensorflow/hub: 模型下载链接: tfhub.dev ，其根据版本又分为:
- V1: 例程 hub/examples/image_retraining，仅支持 tf1.x 版本，模型仅限制为 hub.Modules for TensorFlow 1;
- V2: 例程 hub/examples/colab，仅支持 tf2.x 版本，模型可用 hub.Modules for TensorFlow 1 也可用 SavedModels for TensorFlow 2。
- tensorflow/models/research/slim: 预训练模型下载链接 slim#pre-trained-models。
我对这两种使用开源模型的优缺点看法:
- hub:
- 优点：训练十分简单，数据集不需要额外处理;
- 缺点：
版本太高。
- slim:
- 优点：开源模型很丰富;
- 缺点：图像数据需要转化成 tfrecord。
4.1 文件准备
此处使用 hub V2，下载官方提供 notebook 例程 以及模型，国内无法访问 tfhub，所以此处先下载模型解压使用。本次使用模型为 imagenet 预训练的 mobilenet V2，下载到 models 目录下并解压:
tar zxvf ./models/imagenet_mobilenet_v2_140_224_classification_4.tar.gz -C ./models
启动 #3 拉取的镜像，将 V2 的 notebook 例程、下载的模型以及自己的数据集映射到容器的 /tf 文件夹下即可，如:
docker run \
--name trainTfModel \
-p 8888:8888 \
-v /home/potoo/trainTfModel:/tf/trainTfModel \
--gpus all \
tensorflow/tensorflow:latest-gpu-jupyter
其中我的 trainTfModel 目录结构:
$ tree trainTfModel -L 2 -p
trainTfModel
├── [drwxr-xr-x] datasets
│ ├── [drwxr-xr-x] fish
│ ├── [drwxr-xr-x] garbage
│ └── [drwxr-xr-x] ship
├── [drwxr-xr-t] models
│ ├── [drwxr-xr-t] assets
│ ├── [-rwxr-xr-x] imagenet_mobilenet_v2_140_224_classification_4.tar.gz
│ ├── [-rw-r--r--] saved_model.pb
│ └── [drwxr-xr-t] variables
├── [drwxr-xr-x] output
│ └── [drwxr-xr-x] saved_model
├── [-rw-r--r--] tf2_image_fineTune.ipynb
└── [-rw-r--r--] tf2_image_retraining-Copy1.ipynb
9 directories, 4 files
在官方提供的 notebook 例子中需要修改自己数据集路径和模型路径。
4.2 notebook 中训练
训练之前安装 tfhub, pillow，此处均在 notebook 中进行:
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U tensorflow_hub pillow
以及我这里出现的错误: OSError: image file is truncated，猜测是因为服务器允许的单次数据大小问题，详细讨论见 Python PIL “IOError: image file truncated” with big images，此处引用其解决方案:
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True
更改模型路径以及输入图像尺寸，根据上面我的 trainTfModel 目录结构，此处更改数据集路径为:
MODULE_HANDLE = "./models"
IMAGE_SIZE = (224, 224)
更改自己数据集路径，根据上面我的 trainTfModel 目录结构，此处更改数据集路径为:
data_dir = './datasets'
最后按照自己需要修改是否 Data Augmentation, Fine-Tune。
我的 notebook 完整如下:
# Retraining an Image Classifier
## 1. 环境配置
安装镜像中未安装的 tensorflow_hub 与 pillow，以及我这里出现的错误: *OSError: image file is truncated*，猜测是因为服务器允许的单次数据大小问题，详细讨论见 [Python PIL “IOError: image file truncated” with big images](https://stackoverflow.com/questions/12984426/python-pil-ioerror-image-file-truncated-with-big-images)。
```python
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U tensorflow_hub pillow
```
```python
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True
```
```python
import itertools
import os
import matplotlib.pylab as plt
import numpy as np
import tensorflow as tf
import tensorflow_hub as hub
print("TF version:", tf.__version__)
print("Hub version:", hub.__version__)
print("GPU is", "available" if tf.test.is_gpu_available() else "NOT AVAILABLE")
```
## 2. 模型加载
这里是自己手动下载的方式。下载后需要解压。取消下面一行的注释并执行即可。
```python
#!tar zxvf ./models/imagenet_mobilenet_v2_140_224_classification_4.tar.gz -C ./models
```
```python
!ls models
```
```python
MODULE_HANDLE = "./models"
IMAGE_SIZE = (224, 224)
print("Using {} with input size {}".format(MODULE_HANDLE, IMAGE_SIZE))
BATCH_SIZE = 16 #@param {type:"integer"}
```
## 3. 数据集处理
将图片缩放裁剪以符合模型输入，以及划分训练验证集、打乱顺序、数据集增强。
```python
data_dir = './datasets'
#!ls ./datasets
```
```python
datagen_kwargs = dict(rescale=1./255, validation_split=.20)
dataflow_kwargs = dict(target_size=IMAGE_SIZE, batch_size=BATCH_SIZE,
interpolation="bilinear")
valid_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
**datagen_kwargs)
valid_generator = valid_datagen.flow_from_directory(
data_dir, subset="validation", shuffle=False, **dataflow_kwargs)
do_data_augmentation = True #@param {type:"boolean"}
if do_data_augmentation:
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
rotation_range=40,
horizontal_flip=True,
width_shift_range=0.2, height_shift_range=0.2,
shear_range=0.2, zoom_range=0.2,
**datagen_kwargs
)
else:
train_datagen = valid_datagen
train_generator = train_datagen.flow_from_directory(
data_dir, subset="training", shuffle=True, **dataflow_kwargs)
```
## 4. 模型定义
丢弃原模型的输出层，新建输出层以适应自己数据集的种类。
```python
do_fine_tuning = True #@param {type:"boolean"}
```
```python
print("Building model with", MODULE_HANDLE)
model = tf.keras.Sequential([
# Explicitly define the input shape so the model can be properly
# loaded by the TFLiteConverter
tf.keras.layers.InputLayer(input_shape=IMAGE_SIZE + (3,)),
hub.KerasLayer(MODULE_HANDLE, trainable=do_fine_tuning),
tf.keras.layers.Dropout(rate=0.2),
tf.keras.layers.Dense(train_generator.num_classes,
kernel_regularizer=tf.keras.regularizers.l2(0.0001))
])
model.build((None,)+IMAGE_SIZE+(3,))
model.summary()
```
## 5. 模型训练
### 5.1 优化器
此处使用默认的 SGB，随机梯度下降法。
```python
model.compile(
optimizer=tf.keras.optimizers.SGD(lr=0.005, momentum=0.9),
loss=tf.keras.losses.CategoricalCrossentropy(from_logits=True, label_smoothing=0.1),
metrics=['accuracy']
)
```
### 5.2 训练
```python
steps_per_epoch = train_generator.samples // train_generator.batch_size
validation_steps = valid_generator.samples // valid_generator.batch_size
hist = model.fit(
train_generator,
epochs=5, steps_per_epoch=steps_per_epoch,
validation_data=valid_generator,
validation_steps=validation_steps).history
```
### 5.3 loss、accuracy 曲线
```python
plt.figure()
plt.ylabel("Loss (training and validation)")
plt.xlabel("Training Steps")
plt.ylim([0,2])
plt.plot(hist["loss"], label='loss')
plt.plot(hist["val_loss"], label='val_loss')
plt.legend();
plt.figure()
plt.ylabel("Accuracy (training and validation)")
plt.xlabel("Training Steps")
plt.ylim([0,1])
plt.plot(hist["accuracy"], label='accuracy')
plt.plot(hist["val_accuracy"], label='val_accuracy')
plt.legend();
```
### 5.4 保存模型
```python
saved_model_path = "./output/saved_model"
tf.saved_model.save(model, saved_model_path)
```