TensorFlow官方教程学习笔记（三）——MNIST入门（续）

教程地址：TensorFlow官方文档中文版

在上一篇文章中，我们使用了一个简单的SoftMax的回归模型对MNIST手写数字数据集进行训练，经过1000次的跌代后，识别精度达到了91%，但这是远远不够的。

在本章中，我们使用一个稍微复杂的模型，其实也不是很复杂，一个含有两个卷积层的卷积神经网络，来测试它的识别效果。

同样的，mnist数据集的四个文件放在\tutorials\mnist\目录下的MNIST_data文件夹中，在Python中cd到\tutorials\mnist\的目录下，使用以下代码：

import input_data  
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

数据集就被提取为三个部分：mnist.train、mnist.test和mnist.validation，每个部分包含有images和labels。train、test和validation中样本的数量分别为55000、10000和5000。

在这里，教程中使用了一个交互的环境（InteractiveSession）来构建Session，这样的好处是，不需要在指定的会话中运行变量，即不需要使用 sess.run()的形式，而是定义好会话对象后，每次执行tensor时，调用tensor.eval()即可，这样使得操作起来更加灵活、高效。但是值得注意的是，使用Session（）时，可以用with..as..来定义，后面可以不使用close()关闭对话，而InteractiveSession不能通过with..as..来定义，并且需要在最后调用close()。代码如下：

import tensorflow as tf
sess = tf.InteractiveSession()

接下来，我们定义权值和偏执两个变量的初始化函数，因为在这个模型中，我们将用到多组weight和bias：

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)

这里weight使用一个标准方差为0.1的正态分布来初始化，bias使用常量0.1来初始化，在教程中，提到这样做的目的是使用一个较小的正数来初始化偏置项，可以避免ReLU神经元节点输出恒为0的问题（dead neurons），ReLU的激活函数是：max（0，x），使用ReLU的好处是既可以保证稀疏性，也可以避免梯度消失。

然后我们定义卷积和池化操作：

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')

卷积层的作用是提取局部特征，池化的作用是降维，了解卷积神经网络的应该清楚，因此不再赘述。在这里，x代表输入，W代表卷积核，即weight，卷积的步长（stride）为1，padding='SAME'的意思是在输入矩阵的上下左右分别扩充值为0的边，输出矩阵的尺寸根据以下方式进行计算：

out_height = ceil(float(in_height) / float(strides[1]))
out_width = ceil(float(in_width) / float(strides[2]))

padding还有一个参数'VALID'，表示对输入矩阵不进行扩充，输出矩阵尺寸的计算方式如下：

out_height = ceil(float(in_height - filter_height + 1) / float(strides1))
out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))

这里使用2*2的最大化池化（max pooling），输出矩阵的尺寸为输入矩阵尺寸的一半。

构建占位符：

x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

x和y_分别代表样本图片和标签真值，None表示样本的数量可以使任意的。

然后我们就可以来构建模型的第一层了，这一层包含一个卷积层和一个max pooling层，代码如下：

x_image = tf.reshape(x, [-1,28,28,1])
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

首先将输入x变换成一个4D的数据，维度为[-1, 28, 28, 1]，第一维-1代表x中样本的总数，第二、第三维对应图片的宽、高，第四维代表图片的通道数，灰度图像为1，彩色图像为3。W_conv1为第一个卷积层的卷积核，[5, 5, 1, 32]表示卷积核的大小为5*5，输入通道数为1，输出通道数为32，也代表提取的32个特征。h_conv1为第一个卷积层的输出，激活函数为ReLU，输出的尺寸和输入的尺寸一致，为28*28，然后紧接了一个2*2的max pooling层，输出的尺寸为14*14。

接下来，模型的第二层，同样也是一个卷积层和一个max pooling层：

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)

第二个卷积层的卷积核大小依然是5*5，输入通道数为32，输出通道数为64，表示64个特征，其余的和第一层类似。卷积层输出的尺寸为14*14，max pooling的输出尺寸为7*7。

接下来是模型的第三层，这一层是一个全连接层，全连接层的目的是提取全局特征：

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)

因为处理的是全局的信息，所以将输入又reshape成了一个7*7*64的向量。该层的激活函数是ReLU，输出的尺寸为1*1024。

接下来，教程中还使用了一个dropout层，使用dropout，使得在每一次迭代中，都有部分神经元在输出时关闭，即不输出，这样做的好处是在训练时减少过拟合，代码如下：

keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

keep_prob为不关闭的概率，在训练阶段，这个值一般为0.5，即关闭50%的神经元，而在评估阶段，我们不需要关闭神经元，即将这个值设为1.0即可。

最后一层，输出层，为一个softMax层，和前一篇文章一样，该层的目的是将输出转换成概率，输入尺寸为1*1024，输出尺寸为1*10，代表将输入分类为0~9这10个数字的概率：

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)

之后的步骤就和前一篇文章中的类似了，使用交叉熵的代价函数，并用Adam的最速梯度下降方法来最小化这个代价函数，对模型进行训练。代码如下：

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:                                
    train_accuracy = accuracy.eval(feed_dict={
        x:batch[0], y_: batch[1], keep_prob: 1.0})                                      #评估阶段不使用dropout
    print("step %d, training accuracy %f"%(i, train_accuracy))                          #每隔100次迭代打印一次训练信息
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})                 #训练阶段使用50%的dropout

print("test accuracy %f"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))                      #打印测试信息

最终在测试集上的识别精度达到了99%以上，比单一的softMax模型效果要好得多。

在本章中，我们使用了一个浅层的卷积神经网络，就达到了一个非常高的识别精度，也证明了深度学习的效果。在这里，我们需要着重理解每一层的含义，每一层参数的设置也会对训练的结果造成很大的影响，如何选定一个合适的参数，就是根据经验以及不断的调试来确定了。