8月22日计算机视觉理论学习笔记——CNN

---

前言

本文为8月22日计算机视觉理论学习笔记——CNN，分为三个章节：

• 尺寸计算；
• 反向传播；
• 实例。

---

一、尺寸计算

• $W=\frac{W-size+2\ast padding}{stride+1}$;
• $H=\frac{H-size+2\ast padding}{stride+1}$;
• $D=outputnumber$.

---

二、反向传播

• $a^l$：第 $l$ 层的输出，$a^l=\sigma (z^l)$；
• $z^l=w^l{a}^l+b^l$；
• $C$ 为 loss function；
• ${\delta }^l$ 为第 $l$ 层的残差。

1、池化层的误差反向传播

假设第 $l-1$ 层为卷积层，第 $l$ 层为池化层，池化层的残差为 ${\delta }_j^l$，卷积层的残差为 ${\delta }_j^{l-1}$，有：
$${\delta }_j^{l-1}=upsample({\delta }_j^l)\odot {\sigma }^{\prime }(z_j^{l-1})$$
其中，${\sigma }^{\prime }(z_j^{l-1})$ 为第 $l-1$ 层第 $j$ 个节点处激励函数的导数，$\odot$ 表示对应位置元素相乘。
假设池化后的残差如图：

(1)、mean-pooling 层反向传播步骤

1. 得到的卷积层应为 4×4 大小：
   
2. 由于需要满足反向传播时各层间残差总和不变，所以卷积层对应每个值需要平摊——除以 pooling 区域大小（2×2=4）：

(2)、max-pooling 层反向传播步骤

1. 记录前向传播过程中 pooling 区域中最大值的位置；
2. 假设 1，3，2，4 对应的区域位置分别为右下、右上、左上、坐下。

2、卷积层的误差反向传播

• 卷积层运算：
  
  
• 步骤：

1. 先计算 ${\delta }^{l-1}$；
2. $a^{l-1}=\sigma (z^{l-1})$ 为本层的输入；
3. 根据链式法则：
   $${\delta }^{l-1}=\frac{\partial C}{\partial z^{l-1}}=\frac{\partial C}{\partial z^l}\frac{z^l}{\partial a^{l-1}}\frac{\partial a^{l-1}}{\partial z^{l-1}}={\delta }^l\frac{\partial z^l}{\partial a^{l-1}}\odot {\sigma }^{\prime }(z^{l-1})$$
   又，
   $$z^l=w^l{a}^l+b^l$$
   所以，
   $${\delta }^{l-1}=W^{lT}{\delta }^t\odot {\sigma }^{\prime }(z^{l-1})$$

---

三、实例

代码如下：

from __future__ import division, print_function, absolute_import
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
from tensorflow import keras

import matplotlib.pyplot as plt
import numpy as np

# print(tf.__path__)
# 导入 MNIST 数据集
from tensorflow.examples.tutorials import input_data
mnist = tf.keras.datasets.mnist
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 定义超参数
learning_rate = 0.001
num_steps = 2000
batchsz = 128

# 定义网络参数
num_input = 784 # MNIST数据输入 (img shape: 28*28)
num_classes = 10 # MNIST所有类别 (0-9 digits)
dropout = 0.75 # 保留神经元的概率

# 创建深度神经网络的结构
def conv_net(x_dict, n_classes, dropout, reuse, is_training):
    # 确定命名空间
    with tf.variable_scope('Convnet', reuse=reuse): # 可以让变量有相同的命名
        # TF Estimator类型的输入为像素
        x = x_dict['image']

        # MNIST数据输入格式为一位向量，包含784个特征 (28*28像素)
        # 用reshape函数改变形状以匹配图像的尺寸 [h x w x c]
        # 输入张量的尺度为四维: [b, h，w，c]
        x = tf.reshape(x, shape=[-1, 28, 28, 1])

        # 卷积层，32个卷积核，尺寸为5x5
        conv1 = tf.layers.conv2d(x, 32, 5, activation=tf.nn.relu)
        # 最大池化层，步长为2，无需学习任何参量
        conv1 = tf.layers.max_pooling2d(conv1, 2, 2)

        # 卷积层，64个卷积核，尺寸为3x3
        conv2 = tf.layers.conv2d(conv1, 64, 3, activation=tf.nn.relu)
        # 最大池化层，步长为2，无需学习任何参量
        conv2 = tf.layers.max_pooling2d(conv1, 2, 2)

        # 展开特征为一维向量，以输入全连接层
        fc1 = tf.contrib.layers.flatten(conv2)

        # 全连接层
        fc1 = tf.layers.dense(fc1, 1024)
        # 应用Dropout (训练时打开，测试时关闭)
        fc1 = tf.layers.dropout(fc1, rate=dropout, training=is_training)

        # 输出层，预测类别
        out = tf.layers.dense(fc1, n_classes)

    return out

# 确定模型功能 (参照TF Estimator模版)
def model_fn(features, labels, mode):

    # 因为dropout在训练与测试时的特性不一，为训练和测试过程创建两个独立但共享权值的计算图
    logits_train = conv_net(features, num_classes, dropout, reuse=False, is_training=True)
    logits_test = conv_net(features, num_classes, dropout, reuse=True, is_training=False)

    # 预测
    pred_classes = tf.argmax(logits_test, axis=1)
    pred_probs = tf.nn.softmax(logits_test)

    if mode == tf.estimator.ModeKeys.PREDICT:
        return tf.estimator.EstimatorSpec(mode, predictions=pred_classes)

    # 确定误差函数与优化器
    loss_op = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
        logits=logits_train, labels=tf.cast(labels, dtype=tf.int32)))
    optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
    train_op = optimizer.minimize(loss_op, global_step=tf.train.get_global_step())

    # 评估模型精确度
    acc_op = tf.metrics.accuracy(labels=labels, predictions=pred_classes)

    # TF Estimators需要返回EstimatorSpec
    estim_specs = tf.estimator.EstimatorSpec(
        mode=mode,
        predictions=pred_classes,
        loss=loss_op,
        train_op=train_op,
        eval_metircs_ops={'accuracy': acc_op})

# 构建Estimator
model = tf.estimator.Estimator(model_fn)

# 确定训练输入函数
input_fn = tf.compat.v1.estimator.inputs.numpy_input_fn(
    x={'images': mnist.train.images}, y=mnist.train.labels,
    batch_size=batchsz, num_epochs=None, shuffle=True)

# 开始训练模型
model.train(input_fn, steps=num_steps)

# 评判模型
# 确定评判用输入函数
input_fn = tf.compat.v1.estimator.inputs.numpy_input_fn(
    x={'images': mnist.test.images}, y=mnist.test.labels,
    batch_size=batch_size, shuffle=False)
model.evaluate(input_fn)

# 预测单个图像
n_images = 4
# 从数据集得到测试图像
test_images = mnist.test.images[:n_images]
# 准备输入数据
input_fn = tf.compat.v1.estimator.inputs.numpy_input_fn(
    x={'images': test_images}, shuffle=False)
# 用训练好的模型预测图片类别
preds = list(model.predict(input_fn))

# 可视化显示
for i in range(n_images):
    plt.imshow(np.reshape(test_images[i], [28, 28]), cmap='gray')
    plt.show()
    print('Model prediction: ', preds[i])

---