python下tensorflow使用卷积神经网络实现mnist手写数字识别

1.程序

# -*- coding: utf-8 -*-
# mnist 回顾一下tensorflow用法
# 这里使用卷积神经网络，所以将784reshape成28*28的矩阵
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

def get_data():
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    return mnist

# 设置权重函数
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev = 0.1)
    return tf.Variable(initial)

# 设置阈值函数
def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)

# 设置卷积层
def conv2d(x,W):
    return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding = "SAME")

# 设置池化层
def pool(x):
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides = [1,2,2,1],padding = "SAME")

if __name__ == "__main__":
    # 设置输入
    x = tf.placeholder(tf.float32,[None, 784])
    # 将其变为二维的图片,-1为x的第一位数量
    x_image = tf.reshape(x,[-1,28,28,1])
    # 配置第一层卷积层
    W_conv1 = weight_variable([5,5,1,32])
    b_conv1 = bias_variable([32])
    h1_conv = tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)
    # 配置第一层池化层
    h1_pool = pool(h1_conv)

    # 配置第二层卷积层
    W_conv2 = weight_variable([5, 5, 32, 64])
    b_conv2 = bias_variable([64])
    h2_conv = tf.nn.relu(conv2d(h1_pool, W_conv2) + b_conv2)
    # 配置第二层池化层
    h2_pool = pool(h2_conv)

    # 配置全连接层1
    W_fc1 = weight_variable([7*7*64,1024])
    b_fc1 = bias_variable([1024])
    h2_pool_flat = tf.reshape(h2_pool,shape = [-1,7*7*64])
    h_fc1 = tf.nn.relu(tf.matmul(h2_pool_flat,W_fc1)+b_fc1)

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

    # 配置全连接层2
    W_fc2 = weight_variable([1024, 10])
    b_fc2 = bias_variable([10])
    y_predict = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

    # 接受y_label
    y_label = tf.placeholder(tf.float32,[None,10])
    mnist = get_data()

    # 交叉熵
    cross_entropy = -tf.reduce_sum(y_label * tf.log(y_predict))
    # 梯度下降法
    train_step = tf.train.GradientDescentOptimizer(1e-3).minimize(cross_entropy)
    # 求准确率
    correct_prediction = tf.equal(tf.argmax(y_predict, 1), tf.argmax(y_label, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))  # 精确度计算
    sess = tf.InteractiveSession()
    sess.run(tf.initialize_all_variables())
    for i in range(20000):
        batch = mnist.train.next_batch(50)
        if i % 100 == 0:  # 训练100次，验证一次
            train_acc = accuracy.eval(feed_dict={x: batch[0], y_label: batch[1], keep_prob: 1.0})
            print 'step %d, training accuracy %g' % (i, train_acc)
            train_step.run(feed_dict={x: batch[0], y_label: batch[1], keep_prob: 0.5})

    for i in xrange(10):
        testSet = mnist.test.next_batch(50)
        print "test accuracy %g"%accuracy.eval(feed_dict={ x: testSet[0], y_label: testSet[1], keep_prob: 1.0})

2.小结：
(1):图片输入设置
x_image = tf.reshape(x,[-1,28,28,1])
其中第一维是一共的图片数，后面的三维是图片的尺寸，28281.

(2):卷积层：
tf.nn.conv2d(x,W,strides=[1,1,1,1],padding = “SAME”)
其中参数：strides=[1,1,1,1]为步长，如果以2为单位移动，则为[1,2,2,1]。

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
除去name参数用以指定该操作的name，与方法有关的一共五个参数：
第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一
第二个参数filter：相当于CNN中的卷积核，它要求是一个Tensor，具有[filter_height, filter_width, in_channels, out_channels]这样的shape，具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维
第三个参数strides：卷积时在图像每一维的步长，这是一个一维的向量，长度4
第四个参数padding：string类型的量，只能是"SAME","VALID"其中之一，这个值决定了不同的卷积方式
SAME:进行padding后尺寸不变
VALID:不考虑
第五个参数：use_cudnn_on_gpu:bool类型，是否使用cudnn加速，默认为true

(3):池化层
tf.nn.max_pool(x,ksize=[1,2,2,1],strides = [1,2,2,1],padding = “SAME”)
ksize为池化核的尺寸，strides为步长