TensorFlowで大量のデータを学習する方法がわかりません

Question

###状況・到達目標
TensorFlowを使って画像の学習をしようとしています。
合計1000枚、10000枚くらいの大量のデータの学習をしようとしています。

###学習用に作ったプログラム
プログラムを書くに当たって参考にさせていただいた記事です。
-TensorFlowで「けものフレンズ」の”フレンズ判別器”作ってみた
-TensorFlowでアニメゆるゆりの制作会社を識別する

import os
import cv2
import numpy as np
import tensorflow as tf
 
path=os.getcwd()+'/data/'
class_count = 0
folder_list=os.listdir(path)
 
for folder in folder_list:
  class_count = class_count+1
 
NUM_CLASSES = class_count
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3
 
flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('label', 'label.txt', 'File name of label')
flags.DEFINE_string('train_dir', './', 'Directory to put the training data.')
flags.DEFINE_integer('max_steps', 100, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 20, 'Batch size'
                     'Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')
 
# 予測モデルを作成する関数
def inference(images_placeholder, keep_prob):
    # 重みを標準偏差0.1の正規分布で初期化
    def weight_variable(shape):
      initial = tf.truncated_normal(shape, stddev=0.1)
      return tf.Variable(initial)
 
    # バイアスを標準偏差0.1の正規分布で初期化
    def bias_variable(shape):
      initial = tf.constant(0.1, shape=shape)
      return tf.Variable(initial)
 
    # 畳み込み層の作成
    def conv2d(x, W):
      return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
 
    # プーリング層の作成
    def max_pool_2x2(x):
      return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                            strides=[1, 2, 2, 1], padding='SAME')
     
    # 入力を28x28x3に変形
    x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])
 
    # 畳み込み層1の作成
    with tf.name_scope('conv1') as scope:
        W_conv1 = weight_variable([5, 5, 3, 32])
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
 
    # プーリング層1の作成
    with tf.name_scope('pool1') as scope:
        h_pool1 = max_pool_2x2(h_conv1)
     
    # 畳み込み層2の作成
    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([5, 5, 32, 64])
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
 
    # プーリング層2の作成
    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_2x2(h_conv2)
 
    # 全結合層1の作成
    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([7*7*64, 1024])
        b_fc1 = bias_variable([1024])
        h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
        h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
        # dropoutの設定
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
 
    # 全結合層2の作成
    with tf.name_scope('fc2') as scope:
        W_fc2 = weight_variable([1024, NUM_CLASSES])
        b_fc2 = bias_variable([NUM_CLASSES])
 
    # ソフトマックス関数による正規化
    with tf.name_scope('softmax') as scope:
        y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
 
    # 各ラベルの確率のようなものを返す
    return y_conv
 
# lossを計算する関数
def loss(logits, labels):
    cross_entropy = -tf.reduce_sum(labels*tf.log(logits))
    tf.summary.scalar("cross_entropy", cross_entropy)
    return cross_entropy
 
# 訓練のOpを定義する関数
def training(loss, learning_rate):
    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
    return train_step
 
# 正解率(accuracy)を計算する関数
def accuracy(logits, labels):
    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    tf.summary.scalar("accuracy", accuracy)
    return accuracy
 
if __name__ == '__main__':
    count=0
    folder_list=os.listdir(path)
 
    train_image = []
    train_label = []
    test_image = []
    test_label = []
     
    f = open(FLAGS.label, 'w')
    for folder in folder_list:
      subfolder = os.path.join(path,folder)
      file_list = os.listdir(subfolder)
 
      filemax = 0
 
      for file in file_list:
        filemax = filemax + 1
 
      # train : test = 9 : 1
      file_rate = int(filemax/10*9)
 
      i = 0
 
      for file in file_list:
 
        img = cv2.imread('./data/' + folder + '/' + file)
        img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
        if i <= file_rate:
           train_image.append(img.flatten().astype(np.float32)/255.0)
           tmp = np.zeros(NUM_CLASSES)
           tmp[int(count)] = 1
           train_label.append(tmp)
        else:
           test_image.append(img.flatten().astype(np.float32)/255.0)
           tmp = np.zeros(NUM_CLASSES)
           tmp[int(count)] = 1
           test_label.append(tmp)
 
        i = i + 1
 
      label_name = folder + '\n'
      f.write(label_name)
      count=count+1
    f.close()
 
    train_image = np.asarray(train_image)
    train_label = np.asarray(train_label)
    test_image = np.asarray(test_image)
    test_label = np.asarray(test_label)
     
    with tf.Graph().as_default():
        # 画像を入れる仮のTensor
        images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
        # ラベルを入れる仮のTensor
        labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
        # dropout率を入れる仮のTensor
        keep_prob = tf.placeholder("float")
 
        # inference()を呼び出してモデルを作る
        logits = inference(images_placeholder, keep_prob)
        # loss()を呼び出して損失を計算
        loss_value = loss(logits, labels_placeholder)
        # training()を呼び出して訓練
        train_op = training(loss_value, FLAGS.learning_rate)
        # 精度の計算
        acc = accuracy(logits, labels_placeholder)
 
        # 保存の準備
        saver = tf.train.Saver()
        # Sessionの作成
        sess = tf.Session()
        # 変数の初期化
        sess.run(tf.initialize_all_variables())
        # TensorBoardで表示する値の設定
        summary_op = tf.summary.merge_all()
        summary_writer = tf.summary.FileWriter(FLAGS.train_dir, sess.graph)
         
         
        # 訓練の実行
        for step in range(FLAGS.max_steps):
            for i in range(int(len(train_image)/FLAGS.batch_size)):
                # batch_size分の画像に対して訓練の実行
                batch = FLAGS.batch_size*i
                # feed_dictでplaceholderに入れるデータを指定する
                sess.run(train_op, feed_dict={
                  images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                  labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                  keep_prob: 0.5})
 
            # 1 step終わるたびに精度を計算する
            train_accuracy = sess.run(acc, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            print ("step %d, training accuracy %g"%(step, train_accuracy))
 
            # 1 step終わるたびにTensorBoardに表示する値を追加する
            summary_str = sess.run(summary_op, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            summary_writer.add_summary(summary_str, step)
 
    # 訓練が終了したらテストデータに対する精度を表示
    print ("test accuracy %g"%sess.run(acc, feed_dict={
        images_placeholder: test_image,
        labels_placeholder: test_label,
        keep_prob: 1.0}))
 
    # 最終的なモデルを保存
    save_path = saver.save(sess, "./model.ckpt")

###発生している問題
以下、先ほどのプログラムの実行時の様子です。(各クラス200枚の画像のとき)
メモリのエラーなどは全く出ていませんでした。

step 0, training accuracy 0.112175
step 1, training accuracy 0.112175
step 2, training accuracy 0.112175
・
・
・

上記のように学習を進めていっても「training accuracy」の値が変化せず、学習がうまくできていないと思われます。

###試したこと
各クラス100枚で実行すると学習は成功しました。
各クラス200枚で実行すると「training accuracy」の値が変化せず学習は失敗しました。
また、今回の問題に関係があるかわかりませんが100枚でも「training accuracy」の値が変化しないことがありました。これはプログラム終了時に保存される「model.ckpt」一度削除することで改善できていそうでした。
各クラス1000枚などでも試したのですが学習は失敗しました。
TensorFlowはcpu版、gpu版ともに試しましたがどちらも上記と同じ結果となりました。
また、TensorFlow 大量の画像から学習するには・・・〜(ほぼ)解決編〜で示されている精度計算時にバッチ処理を行うことも試しましたがこちらも上記と同じ結果となりました。

###補足情報
開発環境
-Windows10(64bit)
-Python3.5.0(仮想環境)(Anaconda4.4.0(64bit))
-TensorFlow1.0.0(cpu版)
-TensorFlow1.0.0(gpu版)

やっていることについて詳しくまとめた記事です。

Answer 1

2017-11-09 こんにゃくさんのフィードバックを反映

---

意味ありげな直線（実際は指数関係）になりますね！

こんにゃくさん、ケースバイケースかもしれませんが、
この傾向はたぶんこれって結構すごそうな結果だと思います！

---

直感で回答ですが、

・画像サイズ問題
IMAGE_SIZE = 28、つまり28px四方で判断ということは、人の顔でも誰か見分けるのは割と大変だと思います。
もう少し画像サイズを大きく（2倍の48px、2^6の64pxなど）してはいかがでしょうか？

・学習率問題
先日別件で、同じような事例を見ました。

学習率の値を1e-5にしたところ正常に学習値があがるようになりました。

この学習率が今回は適正だった為でしょうか。
また、1e-4や1e-8の学習値では上記の実行結果のように正常な学習ができませんでした。

学習率を1e-5位まで下げた方が良いかもしれませんね。

Comments

[退会済みユーザー]

解答ありがとうございます！
各クラス200枚で実行する際に学習率を1e-5にしてみたところうまく学習することができました。
学習率に問題があったようです。
また各クラス500枚程度で実行するとメモリエラーとなったのですが、こちらは精度計算をバッチ処理にすることで解決しました。これは1000ステップ、バッチサイズ20、学習率1e-6にすることで学習することができました。ただ、モデルの精度があまり高くならなかったので、もっと上手に学習できるパラメータがあるのではないかと思いました。
画像サイズについては試していないのでわかりませんが今後精度を改善する際に参考にさせていただきます。
今回の件で適切なパラメータを設定するコツを掴むことができました。
また、学習データに合わせてニューラルネットの構成を変更するなどしてより高い精度の学習ができるように実験してみたいと思いました。

[退会済みユーザー]

貴重なフィードバックをありがとうございます。少なくとも学習率については、各クラスの画像数が多いほど学習率を下げないとうまくいかないようですね。

[退会済みユーザー]

ちなみに、
無理やりフィッティング：　learing rate = 3.854e^-0.805 * (pictures per classes)
無理やり簡素化：　　　　　learing rate = e^(-1 * pictures per classes)

[退会済みユーザー]

なるほど！
このような学習率の決め方もあるのですね！
参考にさせていただきます。

[退会済みユーザー]

Tensorflowの挙動がよく分からないので、世界中の皆様が手探りであれこれやっている最中なのです。（Googleのようなエスパー集団は実はあれこれ知っていてわざと隠しているのかもしれませんが）たくさんの人が「どこらへんがアタリなのか分からない、AがだめBがだめでもABはよさげ」、みたいなことがあるかもしれないなかでもがいているので、こういう傾向が少しでもつかめるのはとても貴重なことだと思います。