关闭

CNN卷积神经网络

4268人阅读 评论(0) 收藏 举报
分类:

转自:http://blog.csdn.net/u014568921/article/details/45222623


 

CNN卷积神经网络

分类: 卷积神经网络CNN 75人阅读 评论(1) 收藏 举报

目录(?)[+]


CNN是一种多层神经网络,基于人工神经网络,在人工神经网络前,用滤波器进行特征抽取,使用卷积核作为特征抽取器,自动训练特征抽取器,就是说卷积核以及阈值参数这些都需要由网络去学习。

图像可以直接作为网络的输入,避免了传统识别算法中复杂的特征提取和数据重建过程。


一般卷积神经网络的结构:


前面feature extraction部分体现了CNN的特点,feature extraction部分最后的输出可以作为分类器的输入。这个分类器你可以用softmax或RBF等等。

局部感受野与权值共享

权值共享指每一个map都由一个卷积核去做卷积得到。

权值共享减少了权值数量,降低了网络复杂度。


Conv layer

第一个卷积层对原输入图像进行卷积,后面的是对前一个卷积-采样层的S层的输出map进行卷积。

假设层为s层特征图像Xil-1(pooling层),l层为卷积C层,卷积结果为Xjl

                 

参数kij为两层间卷积核(滤波器,kernals),由于s层有m个特征,c层有n个特征,所以一共有m*n个卷积核。bj为卷基层每个结果特征对应的一个偏置项bias,f为非线性变换函数sigmoid函数;Mj为选择s层特征输入的个数,即选择多少个s层的图像特征作为输入;由于选择s层的特征个数方法不同,主要分为三种卷积选择方式

1、全部选择:

s层的全部特征都作为输入, Mj=m。如上图所示。

2、自动稀疏选择:

在卷积计算前加入稀疏稀疏aij,通过稀疏规则限制(论文后面),使算法自动选取部分s层特征作为输入,具体个数不确定。


3、部分选择:

按照一定的规则,固定的选取2个或者3个作为输入。




Subsampling  layer

下采样降低feature map的空间分辨率,从而实现一定程度的shift 和 distortion invariance。利用图像局部相关性的原理,对图像进行子抽样,可以减少数据处理量同时保留有用信息。这个过程也被称为pooling,常用pooling 有两种:

mean-pooling、max-pooling。


down(Xjl-1)表示下采样操作,就是对一个小区域进行pooling操作,使数据降维。

有的算法还会对mean-pooling、max-pooling后的输出进行非线性映射


f可以是sigmoid函数。

输出层

最后一个卷积-采样层的输出可作为输出层的输入,输出层是全连接层,可采用svm、bp算法、softmax等分类算法。




以LeNet5为例,其结构如下:

C1,C3,C5 : Convolutional layer. 
                 5 × 5 Convolution matrix.
S2 , S4 :    Subsampling layer.
                 Subsampling by factor 2.
F6 :           Fully connected layer

OUTPUT :  RBF


C层和S层成对出现,C承担特征抽取,S承担抗变形。C元中涉及两个重要参数,即感受野与阈值参数,前者确定输入连接的数目,后者则控制对特征子模式的反应程度。


C1层是一个卷积层(通过卷积运算,可以增强图像的某种特征,并且降低噪音),由6个特征图Feature Map构成。Feature Map中每个神经元与输入中5*5的邻域相连。特征图的大小为28*28。C1有156个可训练参数(每个滤波器5*5=25个unit参数和一个bias参数,一共6个滤波器,共(5*5+1)*6=156个参数),共156*(28*28)=122,304个连接。

S2层是一个下采样层,有6个14*14的特征图。特征图中的每个单元与C1中相对应特征图的2*2邻域相连接。S2层每个单元的4个输入相加,乘以一个可训练参数,再加上一个可训练偏置。结果通过sigmoid函数计算。可训练系数和偏置控制着sigmoid函数的非线性程度。如果系数比较小,那么运算近似于线性运算,亚采样相当于模糊图像。如果系数比较大,根据偏置的大小亚采样可以被看成是有噪声的“或”运算或者有噪声的“与”运算。每个单元的2*2感受野并不重叠,因此S2中每个特征图的大小是C1中特征图大小的1/4(行和列各1/2)。S2层有12个可训练参数和5880个连接。

C3层也是一个卷积层,它同样通过5x5的卷积核去卷积层S2,然后得到的特征map就只有10x10个神经元,但是它有16种不同的卷积核,所以就存在16个特征map了。这里需要注意的一点是:C3中的每个特征map是连接到S2中的所有6个或者几个特征map的,表示本层的特征map是上一层提取到的特征map的不同组合。



S4层是一个下采样层,由16个5*5大小的特征图构成。特征图中的每个单元与C3中相应特征图的2*2邻域相连接,跟C1和S2之间的连接一样。S4层有32个可训练参数(每个特征图1个因子和一个偏置)和2000个连接。

C5层是一个卷积层,有120个特征图。每个单元与S4层的全部16个单元的5*5邻域相连。由于S4层特征图的大小也为5*5(同滤波器一样),故C5特征图的大小为1*1:这构成了S4和C5之间的全连接。之所以仍将C5标示为卷积层而非全相联层,是因为如果LeNet-5的输入变大,而其他的保持不变,那么此时特征图的维数就会比1*1大。C5层有48120个可训练连接。
F6层有84个单元(之所以选这个数字的原因来自于输出层的设计),与C5层全相连。有10164个可训练参数。如同经典神经网络,F6层计算输入向量和权重向量之间的点积,再加上一个偏置。然后将其传递给sigmoid函数产生单元i的一个状态。
最后,输出层由欧式径向基函数(Euclidean Radial Basis Function)单元组成,每类一个单元,每个有84个输入。换句话说,每个输出RBF单元计算输入向量和参数向量之间的欧式距离。输入离参数向量越远,RBF输出的越大。一个RBF输出可以被理解为衡量输入模式和与RBF相关联类的一个模型的匹配程度的惩罚项。用概率术语来说,RBF输出可以被理解为F6层配置空间的高斯分布的负log-likelihood。给定一个输入模式,损失函数应能使得F6的配置与RBF参数向量(即模式的期望分类)足够接近。这些单元的参数是人工选取并保持固定的(至少初始时候如此)。这些参数向量的成分被设为-1或1。虽然这些参数可以以-1和1等概率的方式任选,或者构成一个纠错码,但是被设计成一个相应字符类的7*12大小(即84)的格式化图片。


卷积核和偏置的初始化

卷积核和偏置在开始时要随机初始化,这些参数是要在训练过程中学习的。




CNN涉及的算法

这张图来自博客http://blog.csdn.net/wds555/article/details/44100581,总结得很好



CNN网络算法流程

/***********训练阶段************/
/*********************************/
for t = 0; t < repeat; t++) 
{
epochsNum = trainset.size() / batchSize;
   for i = 0; i < epochsNum; i++
       {
          随机抽取batchSize个[0,size)的数batch[batchSize]作为本次批量训练的训练集    //size为总体trainSet的大小
           for j=0;j<batchSize;j++
               {
                  train(trainset.getRecord(batch[j]))
               }
         跑完一个batch后更新权重updateParas();
        }
       动态调整准学习速率
}

训练单个样本
train(Record record) {
forward(record);
boolean result = backPropagation(record);
return result;
}

反向传输
*/
private boolean backPropagation(Record record) {
boolean result = setOutLayerErrors(record);
setHiddenLayerErrors();
return result;
}




[python] view plaincopy
  1. """This tutorial introduces the LeNet5 neural network architecture 
  2. using Theano.  LeNet5 is a convolutional neural network, good for 
  3. classifying images. This tutorial shows how to build the architecture, 
  4. and comes with all the hyper-parameters you need to reproduce the 
  5. paper's MNIST results. 
  6. This implementation simplifies the model in the following ways: 
  7.  - LeNetConvPool doesn't implement location-specific gain and bias parameters 
  8.  - LeNetConvPool doesn't implement pooling by average, it implements pooling 
  9.    by max. 
  10.  - Digit classification is implemented with a logistic regression rather than 
  11.    an RBF network 
  12.  - LeNet5 was not fully-connected convolutions at second layer 
  13. References: 
  14.  - Y. LeCun, L. Bottou, Y. Bengio and P. Haffner: 
  15.    Gradient-Based Learning Applied to Document 
  16.    Recognition, Proceedings of the IEEE, 86(11):2278-2324, November 1998. 
  17.    http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf 
  18. """  
  19. import os  
  20. import sys  
  21. import time  
  22.   
  23. import numpy  
  24.   
  25. import theano  
  26. import theano.tensor as T  
  27. from theano.tensor.signal import downsample  
  28. from theano.tensor.nnet import conv  
  29.   
  30. from logistic_sgd import LogisticRegression, load_data  
  31. from mlp import HiddenLayer  
  32.   
  33.   
  34. class LeNetConvPoolLayer(object):  
  35.     """Pool Layer of a convolutional network """  
  36.   
  37.     def __init__(self, rng, input, filter_shape, image_shape, poolsize=(22)):  
  38.         """ 
  39.         Allocate a LeNetConvPoolLayer with shared variable internal parameters. 
  40.         :type rng: numpy.random.RandomState 
  41.         :param rng: a random number generator used to initialize weights 
  42.         :type input: theano.tensor.dtensor4 
  43.         :param input: symbolic image tensor, of shape image_shape 
  44.         :type filter_shape: tuple or list of length 4 
  45.         :param filter_shape: (number of filters, num input feature maps, 
  46.                               filter height, filter width) 
  47.         :type image_shape: tuple or list of length 4 
  48.         :param image_shape: (batch size, num input feature maps, 
  49.                              image height, image width) 
  50.         :type poolsize: tuple or list of length 2 
  51.         :param poolsize: the downsampling (pooling) factor (#rows, #cols) 
  52.         """  
  53.   
  54.         assert image_shape[1] == filter_shape[1]  
  55.         self.input = input  
  56.   
  57.         # there are "num input feature maps * filter height * filter width"  
  58.         # inputs to each hidden unit  
  59.         fan_in = numpy.prod(filter_shape[1:])  
  60.         # each unit in the lower layer receives a gradient from:  
  61.         # "num output feature maps * filter height * filter width" /  
  62.         #   pooling size  
  63.         fan_out = (filter_shape[0] * numpy.prod(filter_shape[2:]) /  
  64.                    numpy.prod(poolsize))  
  65.         # initialize weights with random weights  
  66.         W_bound = numpy.sqrt(6. / (fan_in + fan_out))  
  67.         self.W = theano.shared(  
  68.             numpy.asarray(  
  69.                 rng.uniform(low=-W_bound, high=W_bound, size=filter_shape),  
  70.                 dtype=theano.config.floatX  
  71.             ),  
  72.             borrow=True  
  73.         )  
  74.   
  75.         # the bias is a 1D tensor -- one bias per output feature map  
  76.         b_values = numpy.zeros((filter_shape[0],), dtype=theano.config.floatX)  
  77.         self.b = theano.shared(value=b_values, borrow=True)  
  78.   
  79.         # convolve input feature maps with filters  
  80.         conv_out = conv.conv2d(  
  81.             input=input,  
  82.             filters=self.W,  
  83.             filter_shape=filter_shape,  
  84.             image_shape=image_shape  
  85.         )  
  86.   
  87.         # downsample each feature map individually, using maxpooling  
  88.         pooled_out = downsample.max_pool_2d(  
  89.             input=conv_out,  
  90.             ds=poolsize,  
  91.             ignore_border=True  
  92.         )  
  93.   
  94.         # add the bias term. Since the bias is a vector (1D array), we first  
  95.         # reshape it to a tensor of shape (1, n_filters, 1, 1). Each bias will  
  96.         # thus be broadcasted across mini-batches and feature map  
  97.         # width & height  
  98.         self.output = T.tanh(pooled_out + self.b.dimshuffle('x'0'x''x'))  
  99.   
  100.         # store parameters of this layer  
  101.         self.params = [self.W, self.b]  
  102.   
  103.   
  104. def evaluate_lenet5(learning_rate=0.1, n_epochs=200,  
  105.                     dataset='mnist.pkl.gz',  
  106.                     nkerns=[2050], batch_size=500):  
  107.     """ Demonstrates lenet on MNIST dataset 
  108.     :type learning_rate: float 
  109.     :param learning_rate: learning rate used (factor for the stochastic 
  110.                           gradient) 
  111.     :type n_epochs: int 
  112.     :param n_epochs: maximal number of epochs to run the optimizer 
  113.     :type dataset: string 
  114.     :param dataset: path to the dataset used for training /testing (MNIST here) 
  115.     :type nkerns: list of ints 
  116.     :param nkerns: number of kernels on each layer 
  117.     """  
  118.   
  119.     rng = numpy.random.RandomState(23455)  
  120.   
  121.     datasets = load_data(dataset)  
  122.   
  123.     train_set_x, train_set_y = datasets[0]  
  124.     valid_set_x, valid_set_y = datasets[1]  
  125.     test_set_x, test_set_y = datasets[2]  
  126.   
  127.     # compute number of minibatches for training, validation and testing  
  128.     n_train_batches = train_set_x.get_value(borrow=True).shape[0]  
  129.     n_valid_batches = valid_set_x.get_value(borrow=True).shape[0]  
  130.     n_test_batches = test_set_x.get_value(borrow=True).shape[0]  
  131.     n_train_batches /= batch_size  
  132.     n_valid_batches /= batch_size  
  133.     n_test_batches /= batch_size  
  134.   
  135.     # allocate symbolic variables for the data  
  136.     index = T.lscalar()  # index to a [mini]batch  
  137.   
  138.     # start-snippet-1  
  139.     x = T.matrix('x')   # the data is presented as rasterized images  
  140.     y = T.ivector('y')  # the labels are presented as 1D vector of  
  141.                         # [int] labels  
  142.   
  143.     ######################  
  144.     # BUILD ACTUAL MODEL #  
  145.     ######################  
  146.     print '... building the model'  
  147.   
  148.     # Reshape matrix of rasterized images of shape (batch_size, 28 * 28)  
  149.     # to a 4D tensor, compatible with our LeNetConvPoolLayer  
  150.     # (28, 28) is the size of MNIST images.  
  151.     layer0_input = x.reshape((batch_size, 12828))  
  152.   
  153.     # Construct the first convolutional pooling layer:  
  154.     # filtering reduces the image size to (28-5+1 , 28-5+1) = (24, 24)  
  155.     # maxpooling reduces this further to (24/2, 24/2) = (12, 12)  
  156.     # 4D output tensor is thus of shape (batch_size, nkerns[0], 12, 12)  
  157.     layer0 = LeNetConvPoolLayer(  
  158.         rng,  
  159.         input=layer0_input,  
  160.         image_shape=(batch_size, 12828),  
  161.         filter_shape=(nkerns[0], 155),  
  162.         poolsize=(22)  
  163.     )  
  164.   
  165.     # Construct the second convolutional pooling layer  
  166.     # filtering reduces the image size to (12-5+1, 12-5+1) = (8, 8)  
  167.     # maxpooling reduces this further to (8/2, 8/2) = (4, 4)  
  168.     # 4D output tensor is thus of shape (batch_size, nkerns[1], 4, 4)  
  169.     layer1 = LeNetConvPoolLayer(  
  170.         rng,  
  171.         input=layer0.output,  
  172.         image_shape=(batch_size, nkerns[0], 1212),  
  173.         filter_shape=(nkerns[1], nkerns[0], 55),  
  174.         poolsize=(22)  
  175.     )  
  176.   
  177.     # the HiddenLayer being fully-connected, it operates on 2D matrices of  
  178.     # shape (batch_size, num_pixels) (i.e matrix of rasterized images).  
  179.     # This will generate a matrix of shape (batch_size, nkerns[1] * 4 * 4),  
  180.     # or (500, 50 * 4 * 4) = (500, 800) with the default values.  
  181.     layer2_input = layer1.output.flatten(2)  
  182.   
  183.     # construct a fully-connected sigmoidal layer  
  184.     layer2 = HiddenLayer(  
  185.         rng,  
  186.         input=layer2_input,  
  187.         n_in=nkerns[1] * 4 * 4,  
  188.         n_out=500,  
  189.         activation=T.tanh  
  190.     )  
  191.   
  192.     # classify the values of the fully-connected sigmoidal layer  
  193.     layer3 = LogisticRegression(input=layer2.output, n_in=500, n_out=10)  
  194.   
  195.     # the cost we minimize during training is the NLL of the model  
  196.     cost = layer3.negative_log_likelihood(y)  
  197.   
  198.     # create a function to compute the mistakes that are made by the model  
  199.     test_model = theano.function(  
  200.         [index],  
  201.         layer3.errors(y),  
  202.         givens={  
  203.             x: test_set_x[index * batch_size: (index + 1) * batch_size],  
  204.             y: test_set_y[index * batch_size: (index + 1) * batch_size]  
  205.         }  
  206.     )  
  207.   
  208.     validate_model = theano.function(  
  209.         [index],  
  210.         layer3.errors(y),  
  211.         givens={  
  212.             x: valid_set_x[index * batch_size: (index + 1) * batch_size],  
  213.             y: valid_set_y[index * batch_size: (index + 1) * batch_size]  
  214.         }  
  215.     )  
  216.   
  217.     # create a list of all model parameters to be fit by gradient descent  
  218.     params = layer3.params + layer2.params + layer1.params + layer0.params  
  219.   
  220.     # create a list of gradients for all model parameters  
  221.     grads = T.grad(cost, params)  
  222.   
  223.     # train_model is a function that updates the model parameters by  
  224.     # SGD Since this model has many parameters, it would be tedious to  
  225.     # manually create an update rule for each model parameter. We thus  
  226.     # create the updates list by automatically looping over all  
  227.     # (params[i], grads[i]) pairs.  
  228.     updates = [  
  229.         (param_i, param_i - learning_rate * grad_i)  
  230.         for param_i, grad_i in zip(params, grads)  
  231.     ]  
  232.   
  233.     train_model = theano.function(  
  234.         [index],  
  235.         cost,  
  236.         updates=updates,  
  237.         givens={  
  238.             x: train_set_x[index * batch_size: (index + 1) * batch_size],  
  239.             y: train_set_y[index * batch_size: (index + 1) * batch_size]  
  240.         }  
  241.     )  
  242.     # end-snippet-1  
  243.   
  244.     ###############  
  245.     # TRAIN MODEL #  
  246.     ###############  
  247.     print '... training'  
  248.     # early-stopping parameters  
  249.     patience = 10000  # look as this many examples regardless  
  250.     patience_increase = 2  # wait this much longer when a new best is  
  251.                            # found  
  252.     improvement_threshold = 0.995  # a relative improvement of this much is  
  253.                                    # considered significant  
  254.     validation_frequency = min(n_train_batches, patience / 2)  
  255.                                   # go through this many  
  256.                                   # minibatche before checking the network  
  257.                                   # on the validation set; in this case we  
  258.                                   # check every epoch  
  259.   
  260.     best_validation_loss = numpy.inf  
  261.     best_iter = 0  
  262.     test_score = 0.  
  263.     start_time = time.clock()  
  264.   
  265.     epoch = 0  
  266.     done_looping = False  
  267.   
  268.     while (epoch < n_epochs) and (not done_looping):  
  269.         epoch = epoch + 1  
  270.         for minibatch_index in xrange(n_train_batches):  
  271.   
  272.             iter = (epoch - 1) * n_train_batches + minibatch_index  
  273.   
  274.             if iter % 100 == 0:  
  275.                 print 'training @ iter = ', iter  
  276.             cost_ij = train_model(minibatch_index)  
  277.   
  278.             if (iter + 1) % validation_frequency == 0:  
  279.   
  280.                 # compute zero-one loss on validation set  
  281.                 validation_losses = [validate_model(i) for i  
  282.                                      in xrange(n_valid_batches)]  
  283.                 this_validation_loss = numpy.mean(validation_losses)  
  284.                 print('epoch %i, minibatch %i/%i, validation error %f %%' %  
  285.                       (epoch, minibatch_index + 1, n_train_batches,  
  286.                        this_validation_loss * 100.))  
  287.   
  288.                 # if we got the best validation score until now  
  289.                 if this_validation_loss < best_validation_loss:  
  290.   
  291.                     #improve patience if loss improvement is good enough  
  292.                     if this_validation_loss < best_validation_loss *  \  
  293.                        improvement_threshold:  
  294.                         patience = max(patience, iter * patience_increase)  
  295.   
  296.                     # save best validation score and iteration number  
  297.                     best_validation_loss = this_validation_loss  
  298.                     best_iter = iter  
  299.   
  300.                     # test it on the test set  
  301.                     test_losses = [  
  302.                         test_model(i)  
  303.                         for i in xrange(n_test_batches)  
  304.                     ]  
  305.                     test_score = numpy.mean(test_losses)  
  306.                     print(('     epoch %i, minibatch %i/%i, test error of '  
  307.                            'best model %f %%') %  
  308.                           (epoch, minibatch_index + 1, n_train_batches,  
  309.                            test_score * 100.))  
  310.   
  311.             if patience <= iter:  
  312.                 done_looping = True  
  313.                 break  
  314.   
  315.     end_time = time.clock()  
  316.     print('Optimization complete.')  
  317.     print('Best validation score of %f %% obtained at iteration %i, '  
  318.           'with test performance %f %%' %  
  319.           (best_validation_loss * 100., best_iter + 1, test_score * 100.))  
  320.     print >> sys.stderr, ('The code for file ' +  
  321.                           os.path.split(__file__)[1] +  
  322.                           ' ran for %.2fm' % ((end_time - start_time) / 60.))  
  323.   
  324. if __name__ == '__main__':  
  325.     evaluate_lenet5()  
  326.   
  327.   
  328. def experiment(state, channel):  
  329.     evaluate_lenet5(state.learning_rate, dataset=state.dataset)  


0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:625882次
    • 积分:7358
    • 等级:
    • 排名:第3130名
    • 原创:29篇
    • 转载:372篇
    • 译文:1篇
    • 评论:51条
    最新评论