Tensorflow学习总结（1）：CNN

简介：

        CNN(卷积神经网络）是一种特殊的对图像识别的方式，属于非常有效的带有前向反馈的网络。CNN主要用于对二维图像的识别，它的网络结构对平移、比例放缩、倾斜或其他的变形具有高度不变性。因为，每层关注的特征不一样，贴近原图的，关注像素级别的，而经过多次特征提取后，关联型、序列型或结构化等类型的特征（如拓扑结构）被提取出来，其一致性与事物本身的一致性就比较接近了。现在，卷积网络主要用于图像识别领域，也可以用于人脸识别、文字识别等方向。

1、tf.reshape([-1,28,28,1])

由图中可以看出-1为缺省值。

 2、tf.nn.conv2d(x_image,weight,stride,padding)

  strdie:    stride=[1,x_movement,y_movement,1], stride[0],stride[3] must be 1   

  padding:    有两个值'SAME' 和'VALID' 。'SAME' ：表示用0填充，为了使输入输出是同一大小。

https://segmentfault.com/a/1190000007846181

 

3、长度为M和N的两个序列卷积后得到序列长度为M+N-1。

4、池化：池化的作用等价于采样，为了后面的全连接的时候减少连接数。

 池化分为两种，一种是最大池化（max_pool），在选中区域中找最大的值作为最后的值。另一种是平均池化，把选中区域中的值作为抽样后的值。池化原因是，为了后面的全连接的时候减少连接数。

    
    
# create pooling ,in order to reduce the loss of info when cutting the image
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

tf.nn.max_pool(value, ksize, strides, padding, name=None)

参数是四个，和卷积很类似：

第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape

第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1

第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]

第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'

返回一个Tensor，类型不变，shape仍然是[batch, height, width, channels]这种形式

5、tf.nn.relu()激活函数：目的是使数据非线性

6、tf.nn.dropout(input, keep_prob)

目的是防止过拟合，在输出层之前应用dropout技术（即丢弃某些神经元的输出结果）。Dropout在训练过程中使用，而在测试中不使用。

7、reduce_mean()函数

         求最大值 tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)

求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

参数（1）input_tensor:待求值的tensor。

参数（2）reduction_indices:在哪一维上求解。

参数（3）（4）可忽略

举例说明：

# 'x' is [[1., 2.]
#         [3., 4.]]

x是一个2维数组，分别调用reduce_*函数如下：

首先求平均值，

tf.reduce_mean(x) ==> 2.5 #如果不指定第二个参数，那么就在所有的元素中取平均值
tf.reduce_mean(x, 0) ==> [2.,  3.] #指定第二个参数为0，则第一维的元素取平均值，即每一列求平均值
tf.reduce_mean(x, 1) ==> [1.5,  3.5] #指定第二个参数为1，则第二维的元素取平均值，即每一行求平均值

同理，还可用tf.reduce_max()求最大值。

附：代码和分析

 

    
    
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 60000行的训练数据集（mnist.train）和10000行的测试数据集（mnist.test）
# (每一行包含28*28=784个像素点）
# Import data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
# init weight
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.01)
    return tf.Variable(initial)
# init bias
def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)
# create CNN layer
def conv2d(x, W):
    # stride [1,x_movement,y_movement,1],stride[0] and stride[3] must be 1
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')                ### ???
# create pooling ,in order to reduce the loss of info when cutting the image
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
# def compute_accuracy
def comput_accuracy(v_xs, v_ys):
    global prediction
    y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1})
    correct_pre = tf.equal(tf.argmax(y_pre, 1), tf.argmax(v_ys, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_pre, tf.float32))
    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys, keep_prob: 1})
    return result
# define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [None, 784])            # 28x28
ys = tf.placeholder(tf.float32, [None, 10])
keep_prob = tf.placeholder(tf.float32)
x_image = tf.reshape(xs, [-1, 28, 28, 1])
# print(x_image.shape)   #[n_sample.28,28,1]
# conv1 layer
W_conv1 = weight_variable([5, 5, 1, 32])        # patch 5x5,in size 1,out size 32
b_conv1 = bias_variable([32])
hide_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
# relu: let data nonlinear , output size 28x28x32
hide_pool1 = max_pool_2x2(hide_conv1)                                   # output size 14x14x32
# conv2 layer
W_conv2 = weight_variable([5, 5, 32, 64])        # patch 5x5,in size 32,out size 64
b_conv2 = bias_variable([64])
hide_conv2 = tf.nn.relu(conv2d(hide_pool1, W_conv2) + b_conv2)            # relu: let data nonlinear , output size 14x14x64
hide_pool2 = max_pool_2x2(hide_conv2)                                   # output size 7x7x64
# func1 layer
W_fc1 = weight_variable([7*7*64, 1024])                   # 全连接
b_fc1 = bias_variable([1024])
# [n_samples,7,7,64] ->> [n_samples,7*7*64]
h_pool2_flat = tf.reshape(hide_pool2, [-1, 7*7*64])            # 转化为1维
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)       # 点积
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# func2 layer
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
prediction = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
# the error between the prediction and real data
cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys*tf.log(prediction), reduction_indices=[1]))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
# create session
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(1000):
        batch_xs, batch_ys = mnist.train.next_batch(100)
        sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: 0.5})
        if i % 40 == 0:
            print(comput_accuracy(mnist.test.images, mnist.test.labels))