分不清譚卓和郝蕾？各來(lái)200張照片，讓深度學(xué)習(xí)幫我們識(shí)別吧。
問(wèn)題
《如何用Python和深度神經(jīng)網(wǎng)絡(luò)識(shí)別圖像？》一文中，我給你展示了如何用深度學(xué)習(xí)，教電腦區(qū)分機(jī)器人瓦力和哆啦a夢(mèng)。
很快就有用戶(hù)在后臺(tái)留言，問(wèn)：
老師，我想自己訓(xùn)練一個(gè)圖片分類(lèi)器，到哪里去批量下載帶標(biāo)注的訓(xùn)練圖像呢？
說(shuō)說(shuō)我寫(xiě)教程的時(shí)候，是如何找圖片的吧。
最大的圖片庫(kù)，當(dāng)然就是 Google 了。
在 Google 圖像欄目下，鍵入"Walle"。
怎么樣？搜索結(jié)果很符合需求吧。
你不但找到了一批高質(zhì)量圖片，而且它們的標(biāo)注， Google 都幫你打好了。
下面一步，自然就是把這些圖片下載下來(lái)了。
我讓學(xué)生實(shí)際動(dòng)手做，每個(gè)人找兩個(gè)與別人不同的圖像集合，嘗試根據(jù)教程做深度學(xué)習(xí)分類(lèi)。
我提供給他們的方案（幾款不同的 Chrome 瀏覽器插件），效果都不好。
有的才下了幾張，就停工，甚至把瀏覽器整崩潰了。
有的下載圖片，都是重復(fù)的。
學(xué)生告訴我，經(jīng)驗(yàn)證，最簡(jiǎn)單有效的方法，是一張張手動(dòng)點(diǎn)擊下載……
這顯然不是正經(jīng)辦法。
痛點(diǎn)
渴望從 Google 圖片庫(kù)高效批量獲得優(yōu)質(zhì)帶標(biāo)注圖像，不會(huì)是個(gè)案。
這個(gè)大眾痛點(diǎn)，真的沒(méi)有人嘗試解決嗎？
今天，一個(gè)偶然的機(jī)會(huì)，我發(fā)現(xiàn)了一個(gè)特別棒的 Github 項(xiàng)目，叫做 google-images-download。
Github repo 鏈接在這里。
項(xiàng)目發(fā)布至今，只有短短5個(gè)月的時(shí)間，星標(biāo)數(shù)量居然已經(jīng)上了2000，看來(lái)確實(shí)非常受歡迎。
google-images-download 是個(gè) Python 腳本。
使用它，你可以一條命令，就完成 Google 圖片搜索和批量下載功能。
而且，這工具還跨平臺(tái)運(yùn)行，Linux, Windows 和 macOS 都支持。
簡(jiǎn)直是懶人福音。
安裝
google-images-download 安裝很簡(jiǎn)單。
以 macOS 為例，只需要在終端下，執(zhí)行以下命令：
pip install google_images_download
安裝就算完成了。
當(dāng)然，這需要你系統(tǒng)里已經(jīng)安裝了 Python 環(huán)境。
如果你還沒(méi)有安裝，或者對(duì)終端操作命令不太熟悉，可以參考我的《如何安裝Python運(yùn)行環(huán)境Anaconda？（視頻教程）》一文，學(xué)習(xí)如何下載安裝 Anaconda ，和進(jìn)行終端命令行操作。
嘗試
進(jìn)入下載目錄：
cd ~/Downloads
我們嘗試下載一些圖片。
《我不是藥神》里面有個(gè)叫譚卓的女演員，演的不錯(cuò)?？墒俏乙婚_(kāi)始，把她當(dāng)成郝蕾了。
咱們嘗試下載一些譚卓的圖片吧。
終端里面執(zhí)行：
googleimagesdownload -k "譚卓" -l 20
解釋一下，這里的 -k 指的是 "keyword"，也就是“關(guān)鍵詞”，后面用雙引號(hào)括起來(lái)要查找的關(guān)鍵詞。
你可以看出，使用中文關(guān)鍵詞，也沒(méi)問(wèn)題。
后面的 -l ，指的是"limit"，也就是圖片數(shù)量限定，你需要指定自己要下載多少?gòu)垐D像。
本例中，我們要20張。
下面是執(zhí)行過(guò)程：
執(zhí)行完畢。
可以看到，下載過(guò)程中，發(fā)生了一個(gè)錯(cuò)誤。
但程序依然鍥而不舍，幫我們把下載流程運(yùn)行完畢。
我們看看結(jié)果。
下載的圖片都存放在 ~/Downloads/downloads/譚卓 下面，google-images-download 非常貼心地，為我們建立子目錄。
我們?cè)?Finder 里打開(kāi)看看：
看了半天，有的照片，還是跟郝蕾分不大清楚。
為了徹底分清兩位女演員，我們?cè)傧螺d 200 張郝蕾的照片吧。
仿照剛才的命令，我們執(zhí)行：
googleimagesdownload -k "郝蕾" -l 200
然后……就報(bào)錯(cuò)了：
解決
遇到問(wèn)題，不要慌。
你得認(rèn)真看看錯(cuò)誤提示。
注意其中出現(xiàn)了一個(gè)關(guān)鍵詞：chromedriver。
這是個(gè)什么東西呢？
我們回到 google-images-download 的 github 頁(yè)面，以 chromedriver 為關(guān)鍵詞進(jìn)行檢索。
你會(huì)立即找到如下結(jié)果：
原來(lái)如果你要的圖片數(shù)量超過(guò)100張，那么程序就必須調(diào)用 Selenium 和 chromedriver 才行。
Selenium 在你安裝 google-images-download 的時(shí)候，已經(jīng)自動(dòng)安裝好了。
你只需要下載 chromedriver ，并且指定路徑。
下載鏈接在這里。
請(qǐng)根據(jù)你的操作系統(tǒng)類(lèi)型，選擇合適的版本：
我選的是 macOS 版本。
下載后，壓縮包里面只有一個(gè)文件，把它解壓，放在 ~/Downloads 目錄下。
然后，執(zhí)行：
googleimagesdownload -k "郝蕾" -l 200 --chromedriver="./chromedriver"
這里 --chromedriver 參數(shù)，用來(lái)告訴 google-images-download ，解壓后 chromedriver 所在路徑。
這回機(jī)器勤勤懇懇，幫我們下載郝蕾的照片了。
200張圖片，需要下載一會(huì)兒。請(qǐng)耐心等待。
下完了。
中間也有一些報(bào)錯(cuò)，部分圖片沒(méi)有正確下載。
好在，這對(duì)總體結(jié)果沒(méi)有太大影響。
為了保險(xiǎn)起見(jiàn)，建議你設(shè)置下載數(shù)量時(shí)，多設(shè)置一些。
給自己留出安全邊際嘛。
咱們打開(kāi)下載后的目錄 ~/Downloads/downloads/郝蕾 看看：
這回，你能分清楚她倆不？
作業(yè)
給你留個(gè)作業(yè)。
你已經(jīng)學(xué)會(huì)如何一行命令，下載譚卓和郝蕾的照片。
能否活學(xué)活用咱們之前介紹的卷積神經(jīng)網(wǎng)絡(luò)知識(shí)，用 TuriCreate （或者 Tensorflow） ，建立模型識(shí)別兩個(gè)人的照片？
完成作業(yè)后，歡迎把你的測(cè)試準(zhǔn)確率結(jié)果告訴我。
當(dāng)然，如果你能舉一反三，利用咱們今天介紹的腳本，下載其他圖像集合，并且進(jìn)行深度學(xué)習(xí)訓(xùn)練，就更好了。
也歡迎把結(jié)果反饋給我哦。
喜歡請(qǐng)點(diǎn)贊。還可以微信關(guān)注和置頂我的公眾號(hào)“玉樹(shù)芝蘭”(nkwangshuyi)。
如果你對(duì)數(shù)據(jù)科學(xué)感興趣，不妨閱讀我的系列教程索引貼《如何高效入門(mén)數(shù)據(jù)科學(xué)？》，里面還有更多的有趣問(wèn)題及解法。
