Поскольку проблемы с сухой кожей собаки имеют несколько потенциальных причин, нелегко точно определить, что вы можете сделать, чтобы предотвратить это.

Сухая кожа может быть вызвана дефицитом питательных веществ, поэтому убедитесь, что диета вашей собаки адекватна и сбалансирована.Обратите внимание, что со сменой сезонов меняются и потребности вашей собаки в питании, и вам может потребоваться скорректировать пищу, которую вы кормите.

Другими возможными причинами могут быть плохая гигиена, плохой уход или их отсутствие. Слишком много ухода также может быть проблемой. Купайте собаку раз в месяц, но не чаще, чтобы избежать чрезмерного купания и удаления эфирных масел. Используйте для купания мягкое мыло или одобренные ветеринарами шампуни для собак без синтетических ингредиентов; Овсяные шампуни считаются лучшими для собак. Использование человеческого шампуня для купания собаки также может вызвать эту проблему.Расчесывайте шерсть вашей собаки ежедневно, особенно зимой, чтобы стимулировать выделение натуральных масел.

Если у собаки проблемы с сухой или зудящей кожей, первым делом необходимо определить точную причину, и ветеринар может сделать это только после осмотра в ветеринарной клинике. Если сухость кожи не вызвана каким-либо заболеванием, аллергией или паразитами, лечение этой проблемы будет простым и может изменить привычки (улучшение диеты и гигиены). Если проблема является лишь симптомом какой-либо другой проблемы со здоровьем, проконсультируйтесь с ветеринаром о вариантах лечения.

Эти типы кожных проблем собак вызывают аллергию. Аллергия у собак — сложная проблема для владельцев домашних животных, потому что собаки могут иметь аллергические реакции на многие вещи, включая пищу, средства для ухода или экологические аллергены, такие как пыльца или пылевые клещи. Укусы насекомых также могут вызывать аллергию у собак. Некоторые из симптомов включают в себя, помимо прочего, постоянное расчесывание и облизывание из-за зуда и сыпи.

Держите дом в чистоте, чтобы избавиться от аллергенов, таких как пылевые клещи. Если у вас несколько домашних животных, вы даже можете использовать средства для удаления перхоти, чтобы одно животное не вызывало аллергию у другого.

Стирайте подстилку и купайте собаку примерно раз в месяц. Обратите внимание, что некоторые средства для ухода за собаками, особенно шампуни, могут вызывать аллергические реакции и у собак. Чаще всего это продукты с большим количеством синтетических ингредиентов или предназначенные для людей.Всегда тщательно смывайте шампунь или мыло после ванны. Вы также можете попробовать гипоаллергенные шампуни или лечебные шампуни для собак.

Если вы заметили, что ваша собака царапает или лижет больше, чем обычно, наденьте на нее елизаветинский ошейник и ведите «дневник зуда», чтобы отслеживать возможные причины и предотвращать более серьезные проблемы с кожей собаки, которые ваш щенок будет вызывать из-за постоянных царапин. Пищевая аллергия у собак не может быть предотвращена, поскольку невозможно заранее узнать, на что у собаки будет аллергия.

Правильное определение аллергена, вызвавшего эти проблемы с кожей собаки, важно, чтобы вы могли лечить основную причину и предотвращать будущие случаи, избегая контакта с аллергенами. Некоторые из традиционных методов лечения включают такие препараты, как Apoquel или Atopica и крем с гидрокортизоном (кортикостероиды), которые могут помочь при сыпи и лечении инфекций на коже. Однако вы также можете использовать многие натуральные средства, такие как зеленый чай, солодку, крапиву, или такие добавки, как кверцетин и молозиво.Тем не менее, научных доказательств их эффективности практически нет.

Несмотря на распространенное мнение, пищевая аллергия у собак встречается гораздо реже, чем аллергия, вызванная окружающей средой. В крайнем случае, вы можете исследовать пищевую аллергию, проконсультировавшись с ветеринаром, и ваш щенок, скорее всего, будет переведен на элиминационную диету.

Внешние паразиты также являются частой причиной аллергии и, как следствие, некоторых проблем с кожей собак.Клещи, блохи и клещи являются наиболее распространенными виновниками, и каждый из них уникален по своим принципам действия, способам их предотвращения и лечения.

Клещи, обнаруженные у собак, представляют собой крошечные паразиты, вызывающие кожное заболевание, известное как чесотка. Собаки могут страдать от многих типов чесотки, но два наиболее распространенных — это саркоптоз (собачья чесотка) и демодекозная чесотка (демодекоз).

Саркоптоз заразен и легко распространяется, в то время как демодекозная чесотка не заразна.Саркоптоз может вызвать зуд, язвы, покраснение кожи и выпадение волос, в то время как демодекозная чесотка вызывает язвы, залысины и струпья.

Профилактика — Предотвратить чесотку можно, только удерживая вашу собаку от уже инфицированных собак.

Лечение — Лечение чесотки у собак, будет зависеть от типа, который есть у вашей собаки. Саркоптоз легко лечится продуктами для местного применения, содержащими селамектин, такими как Revolution от Zoetis.Также используются некоторые пероральные препараты, если они содержат милбемицин. Милбемицин также может быть эффективным при лечении демодекоза. Другие распространенные решения включают купание вашей собаки один раз в неделю с инсектицидом под названием амитраз или перекисью бензоила, который обычно содержится в лечебных шампунях для собак.

Блохи, вероятно, являются наиболее частой проблемой для владельцев собак, и они могут вызывать некоторые проблемы с кожей собаки. Блохи — крошечные насекомые, которые часто остаются незамеченными, но обычно вы можете увидеть их яйца или помет в шерсти собаки или на ней.Симптомы блох, на которые следует обратить внимание, — это чрезмерное царапание или облизывание, горячие точки и струпья, в то время как серьезное заражение блохами может даже привести к анемии и потере крови у собак.

Профилактика — Самая известная профилактика — это использование средств защиты от блох, таких как ошейники, таблетки, капли и другие. Также, если у вас есть двор, держите его в чистоте. Регулярно косите траву и держите кусты подстриженными. Не оставляйте миски с собачьим кормом на улице, так как это может привлечь диких животных, таких как еноты или опоссумы, а также диких кошек и собак, которые все будут переносить блох.Вы также должны содержать свой дом в порядке. Регулярно пылесосьте (рекомендуется иметь отдельный пылесос для домашних животных) и мойте подстилку, игрушки и ящик вашей собаки горячей водой. Возьмите за привычку регулярно проверять собаку на наличие блох и клещей, особенно если она много времени проводит на открытом воздухе.

Лечение — Если вы уверены, что у вашей собаки есть блохи, купите одно из многих лучших средств от блох, которое убивает как взрослых блох, так и их личинок. Убийство личинок имеет решающее значение для полного избавления от блох, потому что повторное заражение блохами очень распространено.Убедитесь, что продукт содержит химические вещества, убивающие личинок, такие как пирипроксифен или метопрен. Следуйте инструкциям на продукте и не забудьте лечить свой дом от блох с помощью спрея / порошка для ковров или других средств, чтобы предотвратить проблемы с блохами в будущем.

Клещи — внешние паразиты, такие же, как блохи, питающиеся кровью своего хозяина, но значительно более опасные, вызывая более серьезные проблемы со здоровьем, чем просто проблемы с кожей собаки.Клещей легко заметить невооруженным глазом. Важно быстро отреагировать, если вы заметили, что у вашей собаки клещи, поскольку они могут вызвать анемию, кровопотерю и даже передать болезнь Лайма и другие бактериальные инфекции, которые могут быть смертельными.

Профилактика — Примите те же меры для предотвращения контакта вашей собаки с клещами, как и с блохами — большинство хороших средств защиты от блох, такие как кремы для местного применения, шампуни, спреи и порошки, также содержат средства защиты от клещей, и они исчезают. рука об руку.Точно так же регулярно убирайте свой дом и задний двор и почаще проверяйте свою собаку на клещей.

Лечение — Единственное доступное лечение — физическое удаление клещей. Чтобы правильно удалить клеща, возьмите его пинцетом и вытащите наружу. Будьте осторожны, когда будете тянуть слишком сильно, а скручивание может привести к тому, что голова клеща останется на коже вашей собаки, что иногда может привести к инфекции. Вы также можете использовать средство для удаления собачьих клещей, которое поможет избежать этой проблемы.Если ваша собака сильно заражена клещами, покажите ее ветеринару, чтобы вылечить ее, обычно с помощью инсектицидного средства.

Помимо паразитарных инфекций, бактерии также могут вызывать общие проблемы с кожей собак из-за бактериальных инфекций. Хотя многие бактерии могут вызывать инфекции, видимые на коже собаки, наиболее распространенными кожными заболеваниями, возникающими в результате бактериальных инфекций, являются фолликулит и импетиго .

Фолликулит — это бактериальная инфекция, которая может вызывать различные кожные аномалии у собак, такие как шишки, язвы и струпья. Эти проблемы с кожей легко заметить у короткошерстных собак, в то время как у длинношерстных собак шерсть тусклая, и они сильно линяют. Фолликулит также может быть вызван описанной выше аллергической реакцией.

Профилактика — Вы мало что можете сделать для предотвращения бактериального фолликулита у собак. Однако, поскольку аллергическая реакция на блох иногда может привести к фолликулиту, вы должны следовать шагам, описанным выше, для предотвращения блох и клещей.

Лечение — Лечение бактериального фолликулита требует трехкомпонентного подхода: местная терапия, системная терапия и лечение любого основного заболевания. Почти всегда используются противомикробные препараты, и все это должно осуществляться под наблюдением ветеринара.

Импетиго также является бактериальной инфекцией, но, в отличие от фолликулита, чаще всего встречается у щенков. Самый заметный симптом импетиго у собак — волдыри, заполненные гноем.Эти волдыри часто лопаются и покрываются коркой. Обычно они развиваются на животе питомца на безволосых участках кожи. Как правило, это не серьезное заболевание, и оно легко поддается лечению, хотя в некоторых случаях инфекция может сохраняться или распространяться.

Профилактика — Как и в случае фолликулита, мало что можно сделать для предотвращения импетиго. В основном это вызвано бактериями стафилококка, которые могут легко жить в свободной среде, и предсказать это невозможно.

Лечение — Хотя импетиго иногда проходит само по себе, лучше всего лечить его, чтобы предотвратить дальнейшее распространение болезни. Лечение обычно включает комбинацию лечебного шампуня, кремов для местного применения и антибиотиков.

Симптомы дрожжевой инфекции у собак включают зуд, раздражение или обесцвечивание кожи, и обычно они возникают на ушах и лапах животного. Если вы заметили, что ваша собака постоянно чешет ухо или жевает и облизывает пальцы ног, возможно, у нее грибковая инфекция.Кроме того, дрожжевая инфекция часто имеет неприятный запах, и вы можете даже почувствовать ее запах, прежде чем ее заметите.

Грибковая инфекция чаще встречается в жаркие летние месяцы, поэтому не проводите слишком много времени на солнце с собакой. Регулярное купание — также хороший способ предотвратить дрожжевую инфекцию и избегать сладких лакомств или блюд с очень высоким содержанием углеводов, которые могут подпитывать инфекцию.

Лечение дрожжевой инфекции часто зависит от места, где она возникла.Тем не менее, дрожжевые инфекции у собак часто лечат с помощью кремов для местного применения, ванн с лечебными шампунями для собак и в некоторых случаях пероральных препаратов.

Себорея — это кожное заболевание, вызывающее перхоть и жирную кожу. Иногда проблемы с кожей собаки, связанные с себореей, вызваны генетическими нарушениями, и если это так, то они будут длиться всю жизнь собаки и проявляться в течение первых двух лет жизни собаки. Однако чаще всего это симптом какой-то другой проблемы со здоровьем, например, гормональных нарушений, аутоиммунных заболеваний, аллергии или паразитов.

Невозможно предотвратить идиопатическую (генетическую) себорею. Предотвратить себорею, вызванную паразитами или аллергией, можно, если вы предотвратите контакт с паразитами или аллергенами, используя упомянутые выше советы по профилактике. Обратите внимание на опасность некоторых лечебных шампуней для собак, склонных к приступам астмы.

Лечение себореи у собак зависит от основного заболевания. Идиопатическую себорею нельзя вылечить, но вы можете справиться с ней.Обычно это делается с соблюдением надлежащей гигиены и скорректированного питания, что лучше всего обсуждать и планировать в соответствии с рекомендациями вашего ветеринара. Регулярное лечение перхоти у собак также было неэффективным при идиопатической себорее, но было эффективным в случаях, вызванных аллергией или паразитами.

Алопеция — это заболевание, вызывающее у собак чрезмерное шелушение и облысение. Проблемы с кожей собак, связанные с алопецией, имеют несколько потенциальных причин, включая стресс и плохое питание, а также аллергию, паразитов и бактериальные инфекции, упомянутые выше.В некоторых случаях алопеция может быть вызвана и генетическими нарушениями у собак.

Поскольку существует сильная корреляция между питанием и алопецией, предотвращение этих проблем с кожей собаки достигается с помощью высококачественной диеты из высококачественных продуктов, использования репеллентов от клещей или блох и обеспечения спокойной среды для вашей собаки. Избежать генетической алопеции можно только при ответственном разведении.

Лечение алопеции включает устранение причины в тех случаях, когда это возможно.Помимо кремов для местного применения и антибиотиков для собак с алопецией, еще один распространенный подход включает добавки в рацион, которые будут стимулировать рост волос, такие как витамин D, мелатонин и добавки рыбьего жира с незаменимыми жирными кислотами омега-3.

Несмотря на то, что название говорит об обратном, стригущий лишай на самом деле не червь, а грибок. Круглые пятна, которые могут появиться на любом участке тела вашей собаки, являются одним из специфических симптомов, вызывающих «кольцо» в названии этого заболевания.Эти поражения часто сопровождаются чешуйчатыми пятнами, воспалениями и выпадением волос, а также другими проблемами кожи собаки. Это заболевание чаще встречается у щенков и может быстро распространиться на других собак, если его не лечить.

Лучший способ предотвратить стригущий лишай — убедиться, что нет контакта между инфицированными и неинфицированными собаками, поскольку вспышки чаще встречаются на щенячьих фермах, приютах для животных, зоомагазинах и других подобных условиях жизни, где животные сосредоточены вместе.

Обычный и наиболее эффективный протокол лечения стригущего лишая — это, по сути, трехэтапный подход к применению местных лекарств, пероральным лекарствам и работе с внешней средой.

Рак или опухоль кожи, хотя и наименее распространены, является наиболее серьезным заболеванием среди всех других упомянутых проблем с кожей собак, и требует немедленной реакции. Если вы заметили твердые шишки на коже собаки, немедленно покажите ее ветеринару, чтобы поставить точный диагноз.

Опухоли кожи могут быть вызваны вирусами, гормонами и генетическими факторами, но статистически чаще всего они вызываются воздействием солнца, особенно у собак со светлой или тонкой шерстью. Держите собаку подальше от ненужного пребывания на солнце, всегда обеспечивайте достаточно тени летом и используйте солнцезащитный крем для собак. Кроме того, регулярно проверяйте кожу вашей собаки, не реже одного раза в месяц, но желательно каждый раз, когда вы ухаживаете за собакой.

Несмотря на то, что существует множество видов рака кожи, наиболее распространенным методом лечения является хирургическое удаление.В зависимости от стадии, на которой была обнаружена опухоль, это может быть очень эффективным вариантом, и прогноз для опухолей кожи, которые локализованы и не распространяются, отличный. В других случаях, когда опухоль распространилась, может потребоваться лучевая и химиотерапия, но прогноз менее благоприятен.

Все владельцы собак должны быть начеку на предмет потенциальных проблем с кожей собаки. Не забывайте обращать внимание на кожу собаки, в том числе на область внутри ушей.Некоторые из признаков проблем с кожей, на которые следует обратить внимание, включают:

• Чрезмерное царапание
• Вытягивание меха
• Корки
• Язвы
• Тусклость шерсти
• Выпадение волос
• Покраснение или коричневатые выделения в ушах
• Сыпь
• Красные пятна
• Темные пятна
• Красные шишки (любого размера)

Если у вас есть другие вопросы о проблемах с кожей собаки, поговорите со своим ветеринаром или прочтите информацию ниже.

Лучший вариант — всегда проконсультироваться с ветеринаром. Они предложат лечение в зависимости от причины. Тем временем убедитесь, что ваша собака получает сбалансированное питание и остается чистой. Также регулярно проверяйте наличие проблем с кожей.

Из перечисленных выше состояний фолликулит чаще всего вызывает корки по всему телу вашей собаки. Это также вызовет шишки и язвы.Если вы подозреваете, что у вашей собаки фолликулит или заметили много необъяснимых струпьев, покажите своего питомца ветеринару.

Взгляните на картинку об аллергическом дерматите ранее в статье. У большинства собак с дерматитом появляются волдыри, сыпь, кожные поражения, отек или покраснение. Ожидайте, что ваша собака попытается почесать, лизнуть или укусить пораженную кожу для облегчения. Не позволяйте ему, это может привести к заражению.

Лучшее лечение проблем с кожей собаки зависит от конкретной проблемы.Вот почему так важно посетить ветеринара для постановки диагноза. Например, антигистаминные препараты хорошо помогают при лечении аллергического дерматита.

Вы можете попросить ветеринара назначить мазь для лечения сыпи у собак. А пока попробуйте использовать минимальное количество Неоспорина. Это должно быть безопасно для вашей собаки.

Это были одни из наиболее распространенных проблем с кожей у собак, с которыми вы, вероятно, столкнетесь, но есть еще много других кожных заболеваний, о которых стоит узнать.

Один совет, который применим ко всем вышеупомянутым проблемам с кожей собаки, — это поддерживать регулярные правильные привычки ухода, кормить высококачественным и хорошо сбалансированным питанием, регулярно проверять кожу вашей собаки на любые изменения и если вы заметили какие-либо изменения цвета или текстуры. , поражения, горячие точки или что-нибудь необычное, покажите собаку ветеринару, чтобы он поставил диагноз. Проанализируйте приведенные выше фотографии проблем с кожей собаки, чтобы распознать любую из них у вашей собаки и быстро с ней справиться.

Как легко построить модель классификации изображений породы собак | Джеймс Ле | NanoNets

Если вы нетерпеливы, прокрутите до конца сообщения Github Repos

Кто такая хорошая собака? Кому нравятся царапины в ушах? Что ж, похоже, эти причудливые глубокие нейронные сети не дают ответов на все .Однако, может быть, они смогут ответить на тот вездесущий вопрос, который мы все задаем при встрече с четвероногим незнакомцем: что это за хороший щенок?

В этом руководстве мы рассмотрим создание классификатора глубокой нейронной сети, способного определять породу собаки по фотографии с использованием набора данных Dog Breed. Мы рассмотрим, как обучить модель, спроектировать входные и выходные данные для классификации категорий и, наконец, отобразить результаты точности для каждой модели.

Проблема классификации изображений выглядит следующим образом: учитывая набор изображений, которые все помечены одной категорией, нас просят предсказать эти категории для нового набора тестовых изображений и измерить точность прогнозов.С этой задачей связано множество проблем, включая изменение точки обзора, изменение масштаба, изменение внутри класса, деформацию изображения, перекрытие изображения, условия освещения, фоновый беспорядок и т. Д.

Как мы могли бы написать алгоритм, который может классифицировать изображения на отдельные категории? Исследователи компьютерного зрения разработали подход, основанный на данных, чтобы решить эту проблему. Вместо того, чтобы пытаться указать, как выглядит каждая из интересующих категорий изображений непосредственно в коде, они предоставляют компьютеру множество примеров каждого класса изображений, а затем разрабатывают алгоритмы обучения, которые рассматривают эти примеры и узнают о внешнем виде каждого класса. .Другими словами, они сначала накапливают обучающий набор данных с помеченными изображениями, а затем передают его в компьютер, чтобы он ознакомился с данными.

Учитывая этот факт, весь конвейер классификации изображений можно формализовать следующим образом:

• Наш вход — это обучающий набор данных, состоящий из N изображений, каждое из которых помечено одним из K различных классов.
• Затем мы используем этот обучающий набор для обучения классификатора, чтобы узнать, как выглядит каждый из классов.
• В конце концов, мы оцениваем качество классификатора, прося его предсказать метки для нового набора изображений, которые он никогда раньше не видел. Затем мы сравним истинные метки этих изображений с предсказанными классификатором.

Подход машинного обучения к классификации изображений включает в себя идентификацию и извлечение ключевых характеристик из изображений и их использование в качестве входных данных для модели машинного обучения. С технической точки зрения классификация изображений — это метод машинного обучения, который напоминает работу человеческого мозга.С помощью этого метода компьютеры обучаются распознавать визуальные элементы в изображении. Опираясь на большие базы данных и замечая возникающие закономерности, компьютеры могут разбираться в изображениях и формулировать соответствующие теги и категории.

В этом разделе представлены сверточные нейронные сети , которые являются умным способом уменьшить количество параметров. Вместо того, чтобы иметь дело с полностью подключенной сетью, подход CNN многократно использует один и тот же параметр. Основная идея CNN заключается в том, что достаточно хорошо понимать изображение на местном уровне.Практическая выгода заключается в том, что меньшее количество параметров значительно сокращает время, необходимое для обучения, а также уменьшает объем данных, необходимых для обучения модели.

Вместо полностью связанной сети весов от каждого пикселя, CNN имеет достаточно весов, чтобы посмотреть на небольшой участок изображения. Это похоже на чтение книги через увеличительное стекло; в конце концов, вы читаете всю страницу, но в любой момент времени смотрите только на небольшой фрагмент страницы.

Рассмотрим изображение 256 × 256.Вместо того, чтобы обрабатывать все изображение сразу, CNN может эффективно сканировать его фрагмент за фрагментом — скажем, окно 5 × 5. Окно 5 × 5 скользит по изображению (обычно слева направо и сверху вниз), как показано на рисунке ниже. То, насколько «быстро» он скользит, называется длиной его шага. Например, длина шага 2 означает, что скользящее окно 5 × 5 перемещается на 2 пикселя за раз, пока не охватит все изображение. Это окно 5 x 5 имеет связанную матрицу весов 5 x 5.

Манипуляции со скользящим окном происходят на сверточном слое нейронной сети.Типичная CNN имеет несколько слоев свертки. Каждый сверточный слой обычно генерирует множество альтернативных сверток, поэтому весовая матрица представляет собой тензор 5 × 5 × n, где n — количество сверток.

В качестве примера предположим, что изображение проходит через слой свертки на весовой матрице 5 × 5 × 64. Оно генерирует 64 свертки, сдвигая окно 5 × 5. Следовательно, эта модель имеет 5 × 5 × 64 (= 1600) параметров, что значительно меньше параметров, чем полностью подключенная сеть, 256 × 256 (= 65 536).

Прелесть CNN в том, что количество параметров не зависит от размера исходного изображения. Вы можете запустить ту же CNN на изображении размером 300 × 300, и количество параметров в сверточном слое не изменится!

Набор данных, над которым мы будем работать, доступен здесь. Предоставляется обучающий набор и тестовый набор изображений собак. У каждого изображения есть имя файла, которое является его уникальным идентификатором. Набор данных включает 120 пород собак. Чтобы упростить задачу, мы сократим набор данных до 8 основных пород.В приведенном ниже руководстве показано, как использовать TensorFlow для создания простой CNN с 3 сверточными слоями для классификации пород собак.

Обработка данных

1 — Пакеты

Давайте импортируем все необходимые пакеты.

2 — Распаковать файлы

Теперь нам нужно извлечь обучающие и тестовые файлы из архива. Это код:

 # Распаковываем поезд и тестируем zip-файлarchive_train = ZipFile ("Data / train.zip", 'r') archive_test = ZipFile ("Data / test.zip ", 'r') # В этой строке показаны 5 первых имен изображений в базе данных поездовarchive_train.namelist () [0: 5] # В этой строке показано количество изображений в базе данных поездов, при этом отмечено, что мы должны удалить первое значение (заголовок столбца) len (archive_train.namelist () [:]) - 1 

Последняя строка кода должна вернуть значение 10 222.

3 — Изменить размер и нормализовать данные

Функция ниже создает файл рассола для сохранения всех изображений в распакованном виде

Затем мы определяем новый размер изображения, применяемый ко всем изображениям, и вызываем функцию, описанную выше.

 image_resize = 60DataBase_creator (archivezip = archive_train, nwidth = image_resize, nheight = image_resize, save_name = «train») DataBase_creator (archivezip = archive_test, nwidth = image_resize, nheight = image_resize, save_name = «
») с ЦП мы должны увидеть, что использование времени составит около 40 секунд для zip-файла поезда и 41 секунду для тестового zip-файла.
 
 Теперь у нас есть поезд и тестовые файлы pickle. В следующий раз мы откроем этот код в Jupyter Notebook , мы можем загрузить их напрямую, а описанный выше шаг можно пропустить, если мы перезапустим код позже.
 
 # load TRAINtrain = pickle.load (open ("train.p", "rb")) train.shape 
 Форма обучающих данных должна быть (10222, 60, 60, 3).
 # load TESTtest = pickle.load (open ("test.p", "rb")) test.shape 
 Форма тестовых данных должна быть (10357, 60, 60, 3).
 Все изображения имеют разную форму. Для нашей модели нам нужно изменить их размер до той же формы. Мы используем обычную практику, чтобы преобразовать их в квадрат. Нам также необходимо нормализовать наш набор данных, разделив на 255 все значения пикселей.Новые значения пикселей будут в диапазоне [0,1].
 Давайте проверим одно изображение из набора данных обучения:
 lum_img = train [100,:,:,:] plt.imshow (lum_img) plt.show () 
  4 - Проверьте файл ярлыков 
 Теперь давайте увеличьте масштаб файла метки CSV из данных поезда.
 labels_raw = pd.read_csv ("Data / labels.csv.zip", сжатие = 'zip', header = 0, sep = ',', quotechar = '"') labels_raw.sample (5) 
  5 - Извлечь наиболее представленные породы 
 Мы сократим базу данных, чтобы упростить нашу модель.Кроме того, это поможет в расчетах, так как нужно будет классифицировать только N пород. Мы сможем легко запустить модель менее чем за 10 минут.
 Мы должны увидеть этот вывод:
 Давайте посмотрим на одно изображение:
 lum_img = train_filtered [1,:,:,:] plt.imshow (lum_img) plt.show () 
  6 - One -Hot Labels 
 Давайте сделаем горячее кодирование для данных наших этикеток.
 # Выбираем метки из N основных breedslabels = label_filtered ["порода"].as_matrix () labels = labels.reshape (labels.shape [0], 1) # labels.shape [0] выглядит быстрее, чем при использовании len (labels) labels.shape 
 Форма метки (922, 1).
 label_name, labels_bin = matrix_Bin (labels = labels) labels_bin [0: 9] 
  7 - Быстрая проверка ярлыков 
 Давайте посмотрим, какие N ярлыков мы храним. Как вы увидите ниже по горячим этикеткам, вы можете найти, какой породе он соответствует.
 для породы в диапазоне (len (label_name)): print ('Порода {0}: {1}'.формат (порода, имя_таблицы [порода])) 
 label_cls = np.argmax (labels_bin, axis = 1) label [0: 9] 
 Сверточные нейронные сети 
  1 - Создание обучающих и проверочных данных 
 Мы разделяем наши данные поезда на две части: обучающий набор и проверочный набор. Следовательно, мы можем проверить точность модельного поезда, созданного из «обучающего набора», на проверочном наборе.
 num_validation = 0.30X_train, X_validation, y_train, y_validation = train_test_split (train_filtered, labels_bin, test_size = num_validation, random_state = 6) 
  2 - Создание
 данных для исходных данных
 и тестовых данных
. обучающие и тестовые наборы:
  3 - CNN с TensorFlow - Определение слоев 
 Архитектура будет такой:
 1-й сверточный уровень с 32 фильтрами
 Максимальное объединение
 Relu
 2-й сверточный уровень
 Максимальный пул
 Relu
 3-й сверточный уровень со 128 фильтрами
 Максимальный пул
 Relu
 DropOut
 Сглаженный слой
 Полностью подключенный слой с 500 узлами
O
 Relu
 Relu узлы (n = количество пород)
 Вот краткое объяснение этих терминов:
  Слой свертки:  Как объяснено в разделе CNN выше, на этом уровне мы сохраняем пространственные отношения между пикселями, изучая особенности изображения с использованием небольших квадратов входных данных.Эти квадраты входных данных также называются  фильтрами,  или  ядрами.  Матрица, сформированная путем перемещения фильтра по изображению и вычисления скалярного произведения, называется картой характеристик  .   Чем больше у нас фильтров, тем больше функций изображения извлекается и тем лучше становится наша сеть в распознавании шаблонов в невидимых изображениях.
  Уровень ReLU:  Чтобы нейронная сеть любого типа была мощной, она должна содержать нелинейность.ReLU - одна из таких нелинейных операций, что расшифровывается как Rectified Linear Unit. Это поэлементная операция, которая заменяет все отрицательные значения пикселей в карте признаков на 0. Мы передаем результат из сверточного слоя через функцию активации  ReLU .
  Максимальный уровень пула:  После этого мы выполняем операцию объединения  , чтобы уменьшить размерность каждой карты функций. Это позволяет нам уменьшить количество параметров и вычислений в сети, тем самым контролируя переоснащение.CNN использует  max-pooling , в котором он определяет пространственную окрестность и берет самый большой элемент из исправленной карты признаков в этом окне. После уровня объединения наша сеть становится инвариантной к небольшим преобразованиям, искажениям и трансляциям во входном изображении.
  Полностью подключенный уровень:  После этих уровней мы добавляем пару полносвязных слоев, чтобы завершить архитектуру CNN. Выходные данные слоев свертки и объединения представляют высокоуровневые функции входного изображения.Слои FC используют эти функции для классификации входного изображения по различным классам на основе набора обучающих данных. Помимо классификации, добавление слоев FC также помогает изучить нелинейные комбинации этих функций.
  Dropout Layer:   Dropout  - это метод регуляризации, помогающий сети избежать переобучения. Обычно во время обучения половина нейронов на определенном слое будет деактивирована. Это улучшает обобщение, поскольку вы заставляете свой слой учиться с разными нейронами.Обычно мы используем Dropout на полностью подключенных слоях, но также можно использовать Dropout после максимального объединения слоев, создавая некоторый вид увеличения шума изображения.
 Если смотреть в целом, архитектура CNN выполняет 2 основные задачи: извлечение признаков (свертка + уровни объединения) и классификация (полносвязные слои). В общем, чем больше у нас шагов свертки, тем более сложные функции наша сеть сможет научиться распознавать.
 Здесь мы определяем наши веса, смещения и другие константы.
 Здесь мы определяем наш сверточный слой.
 Здесь мы определяем наш плоский слой.
 Здесь мы определяем наш полностью связанный слой.
  4 - CNN с TensorFlow - Настройка тензора заполнителя 
 Здесь мы настраиваем заполнитель для тензора в TensorFlow.
 x = tf.placeholder (tf.float32, shape = [None, img_size, img_size, num_channels], name = 'x') x_image = tf.reshape (x, [-1, img_size, img_size, num_channels]) # -1 поместите все как 1 arrayy_true = tf.placeholder (tf.float32, shape = [None, num_classes], name = 'y_true') y_true_cls = tf.argmax (y_true, axis = 1) keep_prob_fc = tf.placeholder (tf.float32) keep_prob_conv = tf.placeholder (tf.placeholder float32) 
  5 - CNN с TensorFlow - Разработка слоя 
 В этой части вы можете поиграть с размерами и количеством фильтров. Лучшая модель - это модель с нужным количеством слоев, но также с хорошим выбором размеров и количества фильтров.
  6 - CNN с TensorFlow - потеря кросс-энтропии 
 Здесь мы определяем нашу функцию потерь для обучения нашей модели.
 cross_entropy = tf.nn.softmax_cross_entropy_with_logits (logits = layer_fc2, labels = y_true) cost = tf.reduce_mean (cross_entropy) optimizer = tf.train.AdamOptimizer (learning_rate = 1e-4) .min. (y_pred_cls, y_true_cls) precision = tf.reduce_mean (tf.cast (right_prediction, tf.float32)) 
  7 - CNN с TensorFlow - Обучите модель 
 Теперь давайте обучим нашу нейронную сеть!
 сеанс = tf.Session () def init_variables (): сеанс.run (tf.global_variables_initializer ()) 
 Функция ниже создает пакет из набора данных. Мы используем пакет для обучения нашей модели.
 init_variables () total_iterations = 0optimize (num_iterations = 3500, X = 250) 
 Как видите, модель имеет тенденцию к переобучению и не очень хороша.
  8 - CNN с TensorFlow - Результаты 
 Результаты не так хороши, поскольку точность составляет всего 44%. Использование предварительно обученной модели с Keras даст вам лучший результат, но с этой моделью вы будете знать, как создать с нуля собственную CNN с помощью TensorFlow.
 Имея больше фотографий собак, мы можем повысить точность. Кроме того, мы можем создавать новые изображения в нашем наборе обучающих данных, вращая изображения. это то, что мы называем увеличением изображения. Это поможет модели обнаружить узор, который может иметь различное «положение» в пространстве.
 Ниже приведены некоторые функции для отображения некоторых изображений из новых данных испытаний с соответствующими породами и прогнозируемыми породами. Также есть матрица путаницы, чтобы увидеть результаты.
 Давайте посмотрим на результаты!
 feed_dict_validation = {x: X_validation, y_true: y_validation, keep_prob_conv: 1, keep_prob_fc: 1} df_validation_Predicted_cls = session.run (y_pred_cls, feed_dict = feed_dict_validation) plot_images (images = X_validation [50:62], cls_true = df_validation_toPred_cls [50:62], cls_pred = df_validation_Predicted_cls [50:62] (i
) / {1} "). Format (df_validation_toPred_cls [i], label_name [df_validation_toPred_cls [i]])) print ((" Pred: {0} / {1} "). Format (df_validation_Predicted_cls [i], label_name [df_validation_Pred i]])) lum = X_validation [i,:,:,:] plt.show () 

 plot_confusion_matrix (df_validation_toPred_cls, df_validation_Predicted_cls) 

Как видите, у модели есть трудности с дифференциацией пород породы 1_ Порода 2: entlebucher .Эти 2 породы очень похожи друг на друга (одинакового цвета и формы). Итак, кажется нормальным, что наша модель сделала несколько ошибок между этими двумя породами.

Столкнувшись с проблемой точности при переносе обучения, я решил решить ее, создав простой в использовании облачный сервис глубокого обучения, использующий трансферное обучение. Он содержит набор предварительно обученных моделей, которые были обучены по миллионам параметров. Я могу загрузить данные Fashion MNIST, а затем служба выберет лучшую модель для использования в этой задаче.Наконец, он создает новую NanoNet поверх существующей предварительно обученной модели и подгоняет NanoNet к данным.

Поскольку модели NanoNets в значительной степени предварительно обучены, я использовал гораздо меньший обучающий набор данных, всего ~ 100 изображений на класс. От этой модели я получил точность теста 83,3%. Это на 7% больше, чем у модели VGG19, несмотря на использование 1/60 данных! Причина, по которой модель NanoNets работает лучше, заключается в большом объеме предварительного обучения, оптимальном выборе гиперпараметров и увеличении данных.

Самое замечательное в NanoNets то, что каждый может загружать данные и строить свои собственные модели. Вы можете создавать модели двумя способами:

2. Использование NanoNets API:

Ниже мы дадим вам пошаговое руководство по обучению вашей собственной модели с помощью Nanonets API, состоящее из 9 простых шагов.

Шаг 1. Клонируйте репо

 git clone https://github.com/NanoNets/image-classification-sample-python.git 
 cd image -classification-sample-python 
 sudo pip install requests 

Step 2: Получите бесплатный ключ API

Получите бесплатный ключ API из http: // app.nanonets.com/#/keys

Шаг 3. Установите ключ API как переменную среды

 export NANONETS_API_KEY = YOUR_API_KEY_GOES_HERE 

Шаг 4. Создайте новую модель

 python ./code/create-model.py 

Шаг 5: Добавьте идентификатор модели в качестве переменной среды

 export NANONETS_MODEL_ID = YOUR_MODEL_ID 

Шаг 6: Загрузите обучающие данные

Соберите изображения нужных вам объектов обнаружить.