用tensorflow实现VGG网络，训练mnist数据集

VGG作为流行的几个模型之一,训练图形数据效果不错，在mnist数据集是常用的入门集数据，VGG层数非常多，如果严格按照规范来实现，并用来训练mnist数据集，会出现各种问题，如，经过16层卷积后，28*28*1的图片几乎无法进行。

先介绍下VGG

 
 

  
  
   
   

    
    ILSVRC 2014的第二名是Karen Simonyan和 Andrew Zisserman实现的卷积神经网络，现在称其为
    
    VGGNet。它主要的贡献是展示出网络的深度是算法优良性能的关键部分。
   
   
   
   

    
    他们最好的网络包含了16个卷积/全连接层。网络的结构非常一致，从头到尾全部使用的是3x3的卷积和2x2的汇聚。他们的
    
    预训练模型是可以在网络上获得并在Caffe中使用的。
   
   
   
   

    
    VGGNet不好的一点是它耗费更多计算资源，并且使用了更多的参数，导致更多的内存占用（140M）。其中绝大多数的参数都是来自于第一个全连接层。
   
   
  
  

 
 

模型结构：

本文在实现时候，尽量保存VGG原来模型结构，核心代码如下：

weights ={
    'wc1':tf.Variable(tf.random_normal([3,3,1,64])),
    'wc2':tf.Variable(tf.random_normal([3,3,64,64])),
    'wc3':tf.Variable(tf.random_normal([3,3,64,128])),
    'wc4':tf.Variable(tf.random_normal([3,3,128,128])),
    
    'wc5':tf.Variable(tf.random_normal([3,3,128,256])),
    'wc6':tf.Variable(tf.random_normal([3,3,256,256])),
    'wc7':tf.Variable(tf.random_normal([3,3,256,256])),
    'wc8':tf.Variable(tf.random_normal([3,3,256,256])),
    
    'wc9':tf.Variable(tf.random_normal([3,3,256,512])),
    'wc10':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc11':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc12':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc13':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc14':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc15':tf.Variable(tf.random_normal([3,3,512,512])),
    'wc16':tf.Variable(tf.random_normal([3,3,512,256])),
    
    'wd1':tf.Variable(tf.random_normal([4096,4096])),
    'wd2':tf.Variable(tf.random_normal([4096,4096])),
    'out':tf.Variable(tf.random_normal([4096,nn_classes])),
}

biases ={
    'bc1':tf.Variable(tf.zeros([64])),
    'bc2':tf.Variable(tf.zeros([64])),
    'bc3':tf.Variable(tf.zeros([128])),
    'bc4':tf.Variable(tf.zeros([128])),
    'bc5':tf.Variable(tf.zeros([256])),
    'bc6':tf.Variable(tf.zeros([256])),
    'bc7':tf.Variable(tf.zeros([256])),
    'bc8':tf.Variable(tf.zeros([256])),
    'bc9':tf.Variable(tf.zeros([512])),
    'bc10':tf.Variable(tf.zeros([512])),
    'bc11':tf.Variable(tf.zeros([512])),
    'bc12':tf.Variable(tf.zeros([512])),
    'bc13':tf.Variable(tf.zeros([512])),
    'bc14':tf.Variable(tf.zeros([512])),
    'bc15':tf.Variable(tf.zeros([512])),
    'bc16':tf.Variable(tf.zeros([256])),
    
    
    'bd1':tf.Variable(tf.zeros([4096])),
    'bd2':tf.Variable(tf.zeros([4096])),
    'out':tf.Variable(tf.zeros([nn_classes])),
}

卷积实现：

def convLevel(i,input,type):
    num = i
    out = conv2D('conv'+str(num),input,weights['wc'+str(num)],biases['bc'+str(num)])
    if  type=='p':
        out = maxPool2D('pool'+str(num),out, k=2) 
        out = norm('norm'+str(num),out, lsize=4)
    return out 


def VGG(x,weights,biases,dropout):
    x = tf.reshape(x,shape=[-1,28,28,1])


    input = x


    for i in range(16):
        i += 1
        if(i==2) or (i==4) or (i==12) : # 根据模型定义还需要更多的POOL化，但mnist图片大小不允许。
            input = convLevel(i,input,'p')
        else:
            input = convLevel(i,input,'c')

训练：

pred = VGG(x, weights, biases, keep_prob)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred,labels=y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)


correct_pred = tf.equal(tf.argmax(pred,1), tf.argmax(y,1))
accuracy_ = tf.reduce_mean(tf.cast(correct_pred,tf.float32))


init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    step = 1
    while step*batch_size < train_iters:
        batch_x,batch_y = mnist.train.next_batch(batch_size)
        sess.run(optimizer,feed_dict={x:batch_x,y:batch_y,keep_prob:dropout})
        print(step*batch_size)
        if step % display_step == 0 :
           #loss,acc = sess.run([cost,accuracy],feed_dict={x:batch_x,y:batch_y,keep_prob=1.0})
           acc = sess.run(accuracy_, feed_dict={x: batch_x, y: batch_y, keep_prob: 1.})
            # 计算损失值
           
           loss = sess.run(cost, feed_dict={x: batch_x, y: batch_y, keep_prob: 1.})
           print("iter: "+str(step*batch_size)+"mini batch Loss="+"{:.6f}".format(loss)+",acc="+"{:6f}".format(acc))


        step += 1 
     
     
    print("training end!")  

最终效果：

训练10000次后：结果如下：

iter: 12288 mini batch Loss=5088409.500000,acc=0.578125

iter: 12800 mini batch Loss=4514274.000000,acc=0.601562

iter: 13312 mini batch Loss=4483454.500000,acc=0.648438

这种深度的模型可以考虑循环10万次以上。目前效果还不错，本人没有GPU，心痛笔记本的CPU，100%的CPU利用率，听到风扇响就不忍心再训练，本文也借鉴了alex网络实现，当然我也实现了这个网络模型。在MNIST数据上，ALEX由于层数较少，收敛更快，当然MNIST，用CNN足够了。