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}))