這是一個手把手教你學習深度學校的教程。一步一步，我們將要嘗試去解決Kaggle challenge中的臉部關(guān)鍵點的檢測問題。

這份教程介紹了Lasagne，一個比較新的基于Python和Theano的神經(jīng)網(wǎng)絡庫。我們將用Lasagne去模擬一系列的神經(jīng)網(wǎng)絡結(jié)構(gòu)，討論一下數(shù)據(jù)增強(data augmentation)、流失(dropout)、結(jié)合動量(momentum)和預先訓練(pre-training)。這里有很多方法可以將我們的結(jié)果改善不少。

我假設(shè)諸位已經(jīng)知道了一些關(guān)于神經(jīng)網(wǎng)絡的只是。所以我們就不介紹神經(jīng)網(wǎng)絡的背景知識了。這里也提供一些好的介紹神經(jīng)網(wǎng)絡的書籍和視頻，如Neural Networks and Deep Learning online book。Alec Radford的演講Deep Learning with Python’s Theano library也是一個快速介紹的好例子。以及ConvNetJS Browser Demos

預先準備

如果你只需要看懂的話，則不需要自己寫一個代碼然后去執(zhí)行。這里提供一些安裝的教程給那些配置好CUDA的GPU并且想要運行試驗的那些人。

我假設(shè)你們已經(jīng)安裝了CUDA toolkit, Python 2.7.x, numpy, pandas, matplotlib, 和scikit-learn。安裝剩下的依賴包，比如Lasagne和Theano都可以運行下面的指令
pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requiremen...

注意，為了簡潔起見，我沒有在命令中創(chuàng)建虛擬環(huán)境，但是你需要的。

譯者：我是在windows10上面配置這個環(huán)境的，安裝anaconda（再用此環(huán)境安裝依賴包）、VS2013（不推薦2015）、CUDA工具即可。

如果一切都順利的話，你將會在你的虛擬環(huán)境下的src/lasagne/examples/目錄中找到mnist.py并運行MNIST例子。這是一個對于神經(jīng)網(wǎng)絡的“Hello world”程序。數(shù)據(jù)中有十個分類，分別是0~9的數(shù)字，輸入時28×28的手寫數(shù)字圖片。

cd src/lasagne/examples/
python mnist.py

此命令將在三十秒左右后開始打印輸出。 這需要一段時間的原因是，Lasagne使用Theano做重型起重; Theano反過來是一個“優(yōu)化GPU元編程代碼生成面向數(shù)組的優(yōu)化Python數(shù)學編譯器”，它將生成需要在訓練發(fā)生前編譯的C代碼。 幸運的是，我們組需要在第一次運行時支付這個開銷的價格。

譯者：如果沒有配置GPU，用的是CPU的話，應該是不用這么久的編譯時間，但是執(zhí)行時間有一些長。如果用GPU，在第一次跑一些程序的時候，會有提示正在編譯的內(nèi)容。

當訓練開始的時候，你會看到
Epoch 1 of 500
training loss: 1.352731
validation loss: 0.466565
validation accuracy: 87.70 %
Epoch 2 of 500
training loss: 0.591704
validation loss: 0.326680
validation accuracy: 90.64 %
Epoch 3 of 500
training loss: 0.464022
validation loss: 0.275699
validation accuracy: 91.98 %
…

如果你讓訓練運行足夠長，你會注意到，在大約75代之后，它將達到大約98％的測試精度。

如果你用的是GPU，你想要讓Theano去使用它，你要在用戶的主文件夾下面創(chuàng)建一個.theanorc文件。你需要根據(jù)自己安裝環(huán)境以及自己操作系統(tǒng)的配置使用不同的配置信息：
[global]
floatX = float32
device = gpu0

[lib]
cnmem = 1

譯者：這是我的配置文件。

[cuba]
root = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
[global]
openmp = False
device = gpu
floatX = float32
allow_input_downcast = True

[nvcc]
fastmath = True
flags = -IC:\Anaconda2\libs
compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin
base_compiledir = path_to_a_directory_without_such_characters

[blas]
ldflags =

[gcc]
cxxflags = -IC:\Anaconda2\MinGW

數(shù)據(jù)

面部關(guān)鍵點檢測的訓練數(shù)據(jù)集包括7049(96x96)個灰度圖像。 對于每個圖像，我們應該學習找到15個關(guān)鍵點的正確位置（x和y坐標），例如
left_eye_center
right_eye_outer_corner
mouth_center_bottom_lip

一個臉部標記出三個關(guān)鍵點的例子。

數(shù)據(jù)集的一個有趣的變化是，對于一些關(guān)鍵點，我們只有大約2,000個標簽，而其他關(guān)鍵點有7,000多個標簽可用于訓練。

讓我們編寫一些Python代碼，從所提供的CSV文件加載數(shù)據(jù)。 我們將編寫一個可以加載訓練和測試數(shù)據(jù)的函數(shù)。 這兩個數(shù)據(jù)集的區(qū)別在于測試數(shù)據(jù)不包含目標值; 這是預測這些問題的目標。 這里是我們的load()函數(shù)：
# file kfkd.py
import os

import numpy as np
from pandas.io.parsers import read_csv
from sklearn.utils import shuffle

FTRAIN = '~/data/kaggle-facial-keypoint-detection/training.csv'
FTEST = '~/data/kaggle-facial-keypoint-detection/test.csv'