TensorFlow 教程 - 深入MNIST完整代码

这个是TensorFlow官方教程《深入MNIST》中的完整代码。完整教程在 这里。

代码注释是本人结合教程和自己的理解加的，如有错误请指正。

# -*- coding: utf-8 -*-
"""
Created on Sat May 13 15:34:31 2017

@author: baleben
"""

import tensorflow as tf

#导入input_data用于自动下载和安装minist数据集
from tensorflow.examples.tutorials.mnist import input_data
mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)

#创建一个交互式Session
sess=tf.InteractiveSession()

#创建两个占位符，x为输入网络的图像，y_为输入网络的图像类别
x=tf.placeholder("float",shape=[None, 784])
y_=tf.placeholder("float",shape=[None,10])

#权重初始化函数
def weight_variable(shape):
    #输出服从截尾正态分布的随机值
    initial=tf.truncated_normal(shape,stddev=0.1)
    return tf.Variable(initial)

#偏置初始化函数
def bias_variable(shape):
    initial=tf.constant(0.1,shape=shape)
    return tf.Variable(initial)

#创建卷积op
#x 是一个4维张量，shape为[batch,height,width,channels]
#卷积核移动步长为1，填充类型为same，可以不丢弃任何像素点
def conv2d(x,W):
    return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding="SAME")

#创建池化op
#采用最大池化，也就是取窗口中的最大值为结果
#x是一个4维张量，shape为[batch，height，width，channels]
#ksize表示pool窗口大小为2*2,也就是高2，宽2
#strides,表示在height和width维度步长为2
def max_pool_2x2(x):
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding="SAME")

#第1层，卷积层
#初始化W为[5,5,1,32]的张量，表示卷积核大小为5x5,第一层网络的输入和输出神经元个数分别为1和32
W_conv1=weight_variable([5,5,1,32])
#初始化b为[32]，即输出大小
b_conv1=bias_variable([32])

#把输入x(二维张量，shape为[batch,7,7,1])变成4d的x_image,x_image的shape应该是[batch,28,28,1]
#-1表示自动推测这个维度的size
x_image=tf.reshape(x,[-1,28,28,1])

#把x_image和权重进行卷积，加上偏置项，然后应用ReLU激活函数，最后进行max_pooling
#把h_pooling 的输出即为第一层的网络输出，shape为[batch，14，14，1]
h_conv1=tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)
h_pool1=max_pool_2x2(h_conv1)

#第2层，卷积层
#卷积核大小依然为5*5，这层的输入和输出神经元个数为32和64
W_conv2=weight_variable([5,5,32,64])
b_conv2=weight_variable([64])

#h_pool2即为第二层网络输出，shape为[batch,7,7,1]
h_conv2=tf.nn.relu(conv2d(h_pool1,W_conv2)+b_conv2)
h_pool2=max_pool_2x2(h_conv2)

#第3层，全连接层
#这层拥有1024个神经元的全连接层
#W的第一维size为7*7*64,7*7是h_pool2输出的size，64是第2层输出神经元个数
W_fc1=weight_variable([7*7*64,1024])
b_fc1=bias_variable([1024])

#计算前需要把第2层的输出reshape成[batch,7*7*64]的张量
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)

#Dropout层
#为了减少过拟合，在输出层前加入dropout
keep_prob=tf.placeholder("float")
h_fc1_drop=tf.nn.dropout(h_fc1,keep_prob)

#输出层
#最后添加一个softmax层
#可以理解为另一个全连接层，只不过输出时试用softmax将网络输出值转换成了概率
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)

#预测值和真实值之间的交叉熵
cross_entropy=-tf.reduce_sum(y_*tf.log(y_conv))

#train op, 使用ADAM优化器来做梯度下降，学习率为0.0001
train_step=tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

#评估模型，tf，softmax能给出某个tensor对象在某一维上数据最大值的索引
#因为标签是由0，1组成了one-hot vector,返回的索引就是数值为1的位置
correct_predict=tf.equal(tf.argmax(y_conv,1),tf.argmax(y_,1))

#计算正确预测项的比例，因为tf.equal返回的是布尔值
#使用tf.cast把布尔值转换成浮点数，然后用tf.reduce_mean求平均值
accuracy=tf.reduce_mean(tf.cast(correct_predict,"float"))

#初始化变量
sess.run(tf.initialize_all_variables())

#开始训练模型，训练20000次，每次随机从训练集中抓取50幅图像
for i in range(20000):
    batch=mnist.train.next_batch(50)
    if i%100==0:
        #每100次输出一次日志
        train_accuracy=accuracy.eval(feed_dict={x:batch[0],y_:batch[1],keep_prob:1.0})
        print("steg %d, training accuracy %g",i,train_accuracy)
    train_step.run(feed_dict={x:batch[0], y_:batch[1], keep_prob:0.5})

print ("test accuracy %g",accuracy.eval(feed_dict={
x:mnist.test.images, y_:mnist.test.labels, keep_prob:1.0}))

训练过程如下：最终得到的结果test accuracy %g 0.9903