基于卷积神经网络的手写数字识别python代码实现.docx-资料库

qq_22417447-10362025-4744300845374438332.docx.pdf-第1页.png

第1页 / 共6页

qq_22417447-10362025-4744300845374438332.docx.pdf-第2页.png

第2页 / 共6页

qq_22417447-10362025-4744300845374438332.docx.pdf-第3页.png

第3页 / 共6页

qq_22417447-10362025-4744300845374438332.docx.pdf-第4页.png

第4页 / 共6页

qq_22417447-10362025-4744300845374438332.docx.pdf-第5页.png

第5页 / 共6页

qq_22417447-10362025-4744300845374438332.docx.pdf-第6页.png

第6页 / 共6页

基于卷积神经网络的手写数字识别 python 代码实现输入层：加载 MNIST 数据为了方便起见，我们已经准备了一个脚本来自动下载和导入 MNIST 数据集。它会自动创建一个'MNIST_data'的目录来存储数据。 import input_data mnist = input_data.read_data_sets('MNIST_data', one_hot=True) 运行 TensorFlow 的 InteractiveSession Tensorflow 依赖于一个高效的 C++后端来进行计算。与后端的这个连接叫做 session。一般而言，使用 TensorFlow 程序的流程是先创建一个图，然后在 session 中启动它。 import tensorflow as tf sess = tf.InteractiveSession() 占位符我们通过为输入图像和目标输出类别创建节点，来开始构建计算图。 x = tf.placeholder("float", shape=[None, 784]) y_ = tf.placeholder("float", shape=[None, 10]) 这里的 x 和 y 并不是特定的值，相反，他们都只是一个占位符，可以在 TensorFlow 运行某一计算时根据该占位符输入具体的值。

输入图片 x 是一个 2 维的浮点数张量。这里，分配给它的 shape 为[None, 784]，其中 784 是一张展平的 MNIST 图片的维度。None 表示其值大小不定，在这里作为第一个维度值，用以指代 batch 的大小，意即 x 的数量不定。输出类别值 y_ 也是一个 2 维张量，其中每一行为一个 10 维的 one-hot 向量,用于代表对应某一 MNIST 图片的类别。权重初始化为了创建这个模型，我们需要创建大量的权重和偏置项。这个模型中的权重在初始化时应该加入少量的噪声来打破对称性以及避免 0 梯度。由于我们使用的是 ReLU 神经元，因此比较好的做法是用一个较小的正数来初始化偏置项，以避免神经元节点输出恒为 0 的问题（dead neurons）。为了不在建立模型的时候反复做初始化操作，我们定义两个函数用于初始化。 def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) return tf.Variable(initial) def bias_variable(shape): initial = tf.constant(0.1, shape=shape) return tf.Variable(initial) 卷积层、激活层、池化层：卷积和池化 TensorFlow 在卷积和池化上有很强的灵活性。我们怎么处理边界？步长应该设多大？在这个实例里，我们会一直使用 vanilla 版本。我们的卷积使用 1 步长（stride size），0 边距（padding size）的模板，保证输出和输入是同一个大小。我们的池化用简单传统的 2x2 大小的模板做 max pooling。为了代码更简洁，我们把这部分抽象成一个函数。

def conv2d(x, W): return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') def max_pool_2x2(x): return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') 第一层卷积现在我们可以开始实现第一层了。它由一个卷积接一个 max pooling 完成。卷积在每个 5x5 的 patch 中算出 32 个特征。卷积的权重张量形状是[5, 5, 1, 32]，前两个维度是 patch 的大小，接着是输入的通道数目，最后是输出的通道数目。而对于每一个输出通道都有一个对应的偏置量。 W_conv1 = weight_variable([5, 5, 1, 32]) b_conv1 = bias_variable([32]) 为了用这一层，我们把 x 变成一个 4d 向量，其第 2、第 3 维对应图片的宽、高，最后一维代表图片的颜色通道数(因为是灰度图所以这里的通道数为 1，如果是 rgb 彩色图，则为 3)。 x_image = tf.reshape(x, [-1,28,28,1]) 我们把 x_image 和权值向量进行卷积，加上偏置项，然后应用 ReLU 激活函数，最后进行 max pooling。 h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) 第二层卷积

为了构建一个更深的网络，我们会把几个类似的层堆叠起来。第二层中，每个 5x5 的 patch 会得到 64 个特征。 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) h_pool2 = max_pool_2x2(h_conv2) 全连接层现在，图片尺寸减小到 7x7，我们加入一个有 1024 个神经元的全连接层，用于处理整个图片。我们把池化层输出的张量 reshape 成一些向量，乘上权重矩阵，加上偏置，然后对其使用 ReLU。 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 为了减少过拟合，我们在输出层之前加入 dropout。我们用一个 placeholder 来代表一个神经元的输出在 dropout 中保持不变的概率。这样我们可以在训练过程中启用 dropout，在测试过程中关闭 dropout。 TensorFlow 的 tf.nn.dropout 操作除了可以屏蔽神经元的输出外，还会自动处理神经元输出值的 scale（数据的中心化和标准化）。所以用 dropout 的时候可以不用考虑 scale。 keep_prob = tf.placeholder("float")

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) 输出层最后，我们添加一个 softmax 层，我们把向量化后的图片 x 和权重矩阵 W 相乘，加上偏置 b，然后计算每个分类的 softmax 概率值。 W_fc2 = weight_variable([1024, 10]) b_fc2 = bias_variable([10]) y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2) 损失函数可以很容易的为训练过程指定最小化误差用的损失函数，我们的损失函数是目标类别和预测类别之间的交叉熵。 cross_entropy = -tf.reduce_sum(y_*tf.log(y)) 注意，tf.reduce_sum 把 minibatch 里的每张图片的交叉熵值都加起来了。我们计算的交叉熵是指整个 minibatch 的。训练模型 ADAM 优化器让交叉熵下降，步长为 0.01. train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 这一行代码实际上是用来往计算图上添加一个新操作，其中包括计算梯度，计算每个参数的步长变化，并且计算出新的参数值。返回的 train_step 操作对象，在运行时会使用梯度下降来更新参数。因此，整个模型的训练可以通过反复地运行 train_step 来完成。评估模型那么我们的模型性能如何呢？

首先让我们找出那些预测正确的标签。tf.argmax 是一个非常有用的函数，它能给出某个 tensor 对象在某一维上的其数据最大值所在的索引值。由于标签向量是由 0,1 组成，因此最大值 1 所在的索引位置就是类别标签 correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 这里返回一个布尔数组。为了计算我们分类的准确率，我们将布尔值转换为浮点数来代表对、错，然后取平均值。例如：[True, False, True, True]变为[1,0,1,1]，计算出平均值为 0.75。 accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) 训练、评估参数 init = tf.global_variables_initializer() for i in range(501): sess.run(init) batch_x, batch_y = mnist.train.next_batch(20) 每一步迭代，我们都会加载 50 个训练样本，然后执行一次 train_step，并通过 feed_dict 将 x 和 y_张量占位符用训练训练数据替代。 sess.run(train_step, feed_dict={x: batch_x, y_: batch_y, keep_prob: 0.5}) if i % 100 == 0: train_accuracy = accuracy.eval(feed_dict={x: batch_x, y_: batch_y, keep_prob: 1.0}) print("[step, training accuracy]:", [i, train_accuracy]) test 准确率 print("test accuracy:", accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

资料库

基于卷积神经网络的手写数字识别python代码实现.docx

相关推荐

人工智能

热门标签

最新资料