#?-*-coding:utf8-*-#
“““
本程序基于python+numpy+theano+PIL開發，采用類似LeNet5的CNN模型，應用于olivettifaces人臉數據庫，
實現人臉識別的功能，模型的誤差降到了5%以下。
本程序只是個人學習過程的一個toy?implement，模型可能存在overfitting，因為樣本小，這一點也無從驗證。

但是，本程序意在理清程序開發CNN模型的具體步驟，特別是針對圖像識別，從拿到圖像數據庫，到實現一個針對這個圖像數據庫的CNN模型，
我覺得本程序對這些流程的實現具有參考意義。

@author:wepon（http://2hwp.com）
講解這份代碼的文章：http://blog.csdn.net/u012162613/article/details/43277187
“““
import?os
import?sys
import?time

import?numpy
from?PIL?import?Image

import?theano
import?theano.tensor?as?T
from?theano.tensor.signal?import?downsample
from?theano.tensor.nnet?import?conv

“““
加載圖像數據的函數dataset_path即圖像olivettifaces的路徑
加載olivettifaces后，劃分為train_datavalid_datatest_data三個數據集
函數返回train_datavalid_datatest_data以及對應的label
“““
def?load_data（dataset_path）:
????img?=?Image.open（dataset_path）
????img_ndarray?=?numpy.asarray（img?dtype=‘float64‘）/256
????faces=numpy.empty（（4002679））
????for?row?in?range（20）:
	???for?column?in?range（20）:
		faces[row*20+column]=numpy.ndarray.flatten（img_ndarray?[row*57:（row+1）*57column*47:（column+1）*47]）

????label=numpy.empty（400）
????for?i?in?range（40）:
	label[i*10:i*10+10]=i
????label=label.astype（numpy.int）

????#分成訓練集、驗證集、測試集，大小如下
????train_data=numpy.empty（（3202679））
????train_label=numpy.empty（320）
????valid_data=numpy.empty（（402679））
????valid_label=numpy.empty（40）
????test_data=numpy.empty（（402679））
????test_label=numpy.empty（40）

????for?i?in?range（40）:
	train_data[i*8:i*8+8]=faces[i*10:i*10+8]
	train_label[i*8:i*8+8]=label[i*10:i*10+8]
	valid_data[i]=faces[i*10+8]
	valid_label[i]=label[i*10+8]
	test_data[i]=faces[i*10+9]
	test_label[i]=label[i*10+9]

????#將數據集定義成shared類型，才能將數據復制進GPU，利用GPU加速程序。
????def?shared_dataset（data_x?data_y?borrow=True）:
????????shared_x?=?theano.shared（numpy.asarray（data_x
???????????????????????????????????????????????dtype=theano.config.floatX）
?????????????????????????????????borrow=borrow）
????????shared_y?=?theano.shared（numpy.asarray（data_y
???????????????????????????????????????????????dtype=theano.config.floatX）
?????????????????????????????????borrow=borrow）
????????return?shared_x?T.cast（shared_y?‘int32‘）



????train_set_x?train_set_y?=?shared_dataset（train_datatrain_label）
????valid_set_x?valid_set_y?=?shared_dataset（valid_datavalid_label）
????test_set_x?test_set_y?=?shared_dataset（test_datatest_label）
????rval?=?[（train_set_x?train_set_y）?（valid_set_x?valid_set_y）
????????????（test_set_x?test_set_y）]
????return?rval



#分類器，即CNN最后一層，采用邏輯回歸（softmax）
class?LogisticRegression（object）:
????def?__init__（self?input?n_in?n_out）:
????????self.W?=?theano.shared（
????????????value=numpy.zeros（
????????????????（n_in?n_out）
????????????????dtype=theano.config.floatX
????????????）
????????????name=‘W‘
????????????borrow=True
????????）
????????self.b?=?theano.shared（
????????????value=numpy.zeros（
????????????????（n_out）
????????????????dtype=theano.config.floatX
????????????）
????????????name=‘b‘
????????????borrow=True
????????）
????????self.p_y_given_x?=?T.nnet.softm

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件????1182905??2015-01-27?10:53??FaceRecognition_CNN（olivettifaces）\olivettifaces.gif

?????文件???14750086??2015-01-29?15:30??FaceRecognition_CNN（olivettifaces）\params.pkl

?????文件??????15554??2015-01-30?07:21??FaceRecognition_CNN（olivettifaces）\train_CNN_olivettifaces.py

?????文件???????7042??2015-01-30?07:21??FaceRecognition_CNN（olivettifaces）\use_CNN_olivettifaces.py

?????目錄??????????0??2015-01-30?07:18??FaceRecognition_CNN（olivettifaces）

-----------?---------??----------?-----??----

?????????????15955587????????????????????5