Tensorflow入门3——实现卷积神经网络
推荐阅读入门材料
https://blog.csdn.net/catkin_ws/article/details/96975647
https://blog.csdn.net/catkin_ws/article/details/97054147
1 卷积神经网络CNN
注:此处不详细展开CNN,详细介绍请参考吴恩达深度学习系列课程。
在图像领域我们很难提取出有效的特征。在深度学习出现之前,我们必须借助SIFT、HOG等特征提取算法获得良好的区分特征。
CNN卷积神经网络可以直接使用图像的最原始的像素作为输入,而不必使用之前诸如SIFT等方式提取特征,减轻了使用传统算法诸如SVM时必须的大量重复、繁琐的数据预处理工作。
感受野(receptive field) → 卷积核
20世纪80年代:神经认知机:
- S-cells 抽取特征
- C-cells 抗形变
LeNet是首个出现的CNN神经网络模型
一般卷积神经网络由多个不同的卷积层组,每个卷积层进行如下几个操作:
- 1 图像通过不同的卷积核的滤波,加上偏置,提取出局部的特征后,每一个卷积核都会映射出新的2D图像
- 2 将前面的滤波输出结果,进行非线性的激活函数的处理,eg:Relu
- 3 对激活函数进行池化处理(降采样),保留某些特征(如平均池化或最大池化),提升模型的畸变容忍能力
- 最后可以加上LRN(LOCAL RESPONSE NORMALIZATION局部响应归一化层) 或者 Batch Normalization等。
局部连接:降低参数(将每个隐含节点连接到局部的像素节点)
权值共享:参数量只与卷积核的大小有关
一个卷积核只能提取一种图像特征
2 代码
# 载入数据,创建默认的session会话
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess = tf.InteractiveSession()
# 输入1D数据以及输出标签的占位符
x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])
#输入x的1D数据转为2D图片结构,重塑为28*28图像 -1代表样本数量不确定,1代表channel
x_image = tf.reshape(x, [-1,28,28,1])
# 权重初始化函数,加入随机噪声打破完全对称,比如截断的正态分布噪声,标准差0.1
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
# 因为我们使用Relu。给偏置增加一些小的正值(0.1)用来避免死亡节点(dead neurons)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
# 卷积 x是输入,W是权重,【5 5 1 32】:5*5卷积核,1个channel,32个核
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
# 池化
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
# 第一个卷积层,先卷积,使用Relu进行非线性处理后再进行最大池化操作,获取32种特征
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)
# 第二个卷积层,先卷积,使用Relu进行非线性处理后再进行最大池化操作,获取64种特征
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)
# 此时输出tensor 尺寸为 7*7*64 使用tf.reshape将结果转成1D向量
# 连接一个全连接层,隐含节点为1024,并使用Relu激活
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)
# 减少过拟合,引入Dropout,在训练时随机丢掉一部分节点的数据来减少过拟合,预测时则保留全部数据进行预测
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# 最后将Dropout层的输出连接一个Softmax层,得到最后的概率输出。
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)
# 定义损失函数,优化器使用adam,给予小的学习率
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
# 评测准确率
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
#开始训练过程,首先初始化
tf.global_variables_initializer().run()
# 设置Dropout比率0.5,使用大小为50的mini-batch,进行5000次迭代训练,参与训练有25W数据,
# 其中每100训练则对准确率进行一次评估
for i in range(5000):
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})
print ("step %d, training accuracy %g" %(i, train_accuracy))
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
# 打印训练结束后的准确率评测分数
print ("test accuracy %g" %accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
运行结果:
0.9878
我的电脑性能垃圾,只进行5000次迭代。源代码进行了20000次迭代,达到了99.2%的准确率
3 小结
以CNN跑出99.2%为例,相较于单隐含层的预测,CNN错误率下降了60%!
- 主要的性能提升是更秀的网络结构的设计,即卷及网络对图像特征的提取和抽象能力。
- 依靠卷积核的权值共享,参数没有大爆炸,降低计算量的同时,减轻了过拟合。
- 一些其他的小tricks
4 参考
1.《TensorFlow 实战》 黄文坚 第五章
2. TensorFlow官方教程
3. github:https://github.com/ShuaiWang-Code/Tensorflow-study/blob/master/Rudiment/MNIST_CNN.ipynb