tensorflow 学习笔记（五） - mnist实例--卷积神经网络(CNN）

最新推荐文章于 2022-04-12 13:27:12 发布

pandsu

最新推荐文章于 2022-04-12 13:27:12 发布

阅读量767

点赞数

分类专栏：深度学习文章标签：神经网络 tensorflow

本文链接：https://blog.csdn.net/m0_37167788/article/details/79035690

版权

深度学习专栏收录该内容

22 篇文章 2 订阅

订阅专栏

tensorflow 学习笔记（五） - mnist实例–卷积神经网络(CNN）

mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。

程序比较复杂，我就分成几个部分来叙述。

我还是直接贴出我的完整的代码吧，真的是超级完成，其实也是参考别人的，如下：

import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data


# 定义一个函数，用于初始化所有权值 w
def weight_variable(shape):
    # 正态分布，标准差为0.1，默认最大为1，最小为-1，均值为0
    initial = tf.truncated_normal(shape=shape, stddev=0.1)
    return tf.Variable(initial)


# 定义一个函数，用于初始化所有的偏置项 b
def bias_variable(shape):
    # 创建一个结构为shape矩阵也可以说是数组shape声明其行列，初始化所有值为0.1
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)


# 定义一个函数，用于定义卷积层
def conv2d(x, W):
    '''tf.nn.conv2d
        第一个参数：输入数据 
        第二个参数：卷积核 
        第三个参数：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：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
    '''
    # 卷积遍历各方向步数为1，SAME：边缘外自动补0，遍历相乘
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')


# 定义一个函数，用于定义池化层
def max_pool(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')


if __name__ == '__main__':
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)  # 下载并且加载mnist数据

    # 声明一个占位符，None表示输入图片的数量不定，28*28图片分辨率
    x = tf.placeholder(tf.float32, [None, 28 * 28])

    # 类别是0-9总共10个类别，对应输出分类结果
    y_actual = tf.placeholder(tf.float32, shape=[None, 10])  # 输入标签占位符

    # x_image又把xs reshape成了28*28*1的形状，因为是灰色图片，
    # 所以通道是1.作为训练时的input，-1代表图片数量不定
    x_image = tf.reshape(x, shape=[-1, 28, 28, 1])  # -1代表的含义是不用我们自己指定这一维的大小

    '''============ 第一个卷积层 ============'''
    # 第一二参数值得卷积核尺寸大小，即patch，第三个参数是图像通道数，第四个参数是卷积核的数目，代表会出现多少个卷积特征图像;
    W_conv1 = weight_variable([5, 5, 1, 32])

    # 对于每一个卷积核都有一个对应的偏置量。
    b_conv1 = bias_variable([32])

    # 图片乘以卷积核，并加上偏执量，卷积结果28x28x32
    h_conv1 = tf.nn.relu(conv2d(x=x_image, W=W_conv1) + b_conv1)  # 第一个卷积层

    # 池化结果14x14x32 卷积结果乘以池化卷积核
    h_pool1 = max_pool(h_conv1)  # 第一个池化层

    '''============ 第二个卷积层 ============'''
    # 32通道卷积，卷积出64个特征
    W_conv2 = weight_variable([5, 5, 32, 64])

    # 64个偏执数据
    b_conv2 = bias_variable([64])

    # 注意h_pool1是上一层的池化结果14x14x32，所以这一层的卷积结果14x14x64
    h_conv2 = tf.nn.relu(conv2d(x=h_pool1, W=W_conv2) + b_conv2)

    # 池化结果7x7x64
    h_pool2 = max_pool(h_conv2)

    # 原图像尺寸28*28，第一轮图像缩小为14*14，共有32张，第二轮后图像缩小为7*7，共有64张

    '''============ 第三层全连接操作 ============'''
    # 二维张量，第一个参数7*7*64的patch，也可以认为是只有一行7*7*64个数据的卷积，
    # 第二个参数代表卷积个数共1024个
    W_fc1 = weight_variable([7 * 7 * 64, 1024])

    # 1024个偏执数据
    b_fc1 = bias_variable([1024])

    # 将第二层卷积池化结果reshape成只有一行7*7*64个数据
    # [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]
    h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])

    # 卷积操作，结果是1*1*1024，单行乘以单列等于1*1矩阵，matmul实现最基本的矩阵相乘
    # 不同于tf.nn.conv2d的遍历相乘，自动认为是前行向量后列向量
    h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

    '''============ dropout操作 ============
      1.dropout操作，减少过拟合，其实就是降低上一层某些输入的权重scale，甚至置为0，
      升高某些输入的权值，甚至置为2，防止评测曲线出现震荡，个人觉得样本较少时很必要。
      2.使用占位符，由dropout自动确定scale，也可以自定义，比如0.5，根据tensorflow文档可知，
      程序中真实使用的值为1/0.5=2，也就是某些输入乘以2，同时某些输入乘以0。
    '''

    keep_prob = tf.placeholder('float')
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    '''============ 第四层输出操作 ============'''
    # 二维张量，1*1024矩阵卷积，共10个卷积，对应我们开始的ys长度为10
    W_fc2 = weight_variable([1024, 10])
    b_fc2 = bias_variable([10])

    # 最后的分类，结果为1*1*10 softmax和sigmoid都是基于logistic分类算法，一个是多分类一个是二分类
    y_predict = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

    '''============ 网络已经建好了，接下来需要进行训练 ============'''
    # 定义loss(最小误差概率)，选定优化优化loss，
    cross_entropy = -tf.reduce_sum(y_actual * tf.log(y_predict))  # 定义交叉熵为loss函数

    train_step = tf.train.GradientDescentOptimizer(1e-3).minimize(
        cross_entropy)  # 调用优化器(这里采用梯度下降)优化，其实就是通过为数据争取cross_entropy最小化

    '''============ 开始训练模型以及评估 ============'''
    correct_prediction = tf.equal(tf.argmax(y_predict, 1), tf.argmax(y_actual, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))  # 精确度计算
    sess = tf.InteractiveSession()
    sess.run(tf.global_variables_initializer())
    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_actual: batch[1], keep_prob: 1.0})
            print('step', i, 'training accuracy', train_acc)
        train_step.run(feed_dict={x: batch[0], y_actual: batch[1], keep_prob: 0.5})

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

在上述代码中其实有一个叫做 $strides$ 的参数需要注意：

那么具体什么含义呢？

一般而言，对于输入张量（input tensor）有四维信息：[batch, height, width, channels]（分别表示 batch_size, 也即样本的数目，单个样本的行数和列数，样本的频道数，rgb图像就是三维的，灰度图像则是一维），对于一个二维卷积操作而言，其主要作用在 height, width上。

strides参数确定了滑动窗口在各个维度上移动的步数。一种常用的经典设置就是要求，strides[0]=strides[3]=1。