TensorFlow学习记录：用简单卷积神经网络实现Cifar10数据集分类

使用TensorFlow搭建一个简单的卷积神经网络实现Cifar10数据集分类，这个神经网络模型包括两个卷积层，两个池化层，卷积操作后在后面加三个全连层，最后一个全连层用于输出分类。整个神经网络架构图如下：

名词解释

名字	说明
输入层	输入层是整个神经网络的输入。在用于图像分类的卷积神经网络中，它一般代表的是一张图片的像素矩阵。根据通道数的不同，图片像素的矩阵也有着不同的深度数值，比如黑白图片只有一个通道，所以其深度为1；而在RGB色彩模式下图像有3个通道，所以深度为3。
卷积层	如上图所示，该神经网络有两个卷积层。卷积层由一系列执行了卷积操作而得到的特征映射图组成。这里卷积运算的过程是：对于单个卷积核，有3个通道，每个通道的分量分别与对应的被卷积张量的对应通道卷积，得到3个通道的卷积结果，然后这3个通道的卷积结果按元素叠加，生成一个通道的卷积结果，然后该卷积结果再经过激活函数，得到最终的卷积结果。至此，一个3通道的张量，经过一个3通道的卷积核后，得到了一个单通道的张量。常用的卷积核大小有3x3或者5x5.为了能从神经网络中的每一小块得到更多的抽像特征，一般卷积层的单元矩阵会比上一层的单元矩阵更深，也就是使用了多个卷积核。
池化层	池化层的单元矩阵深度不会比上一层的单元矩阵更深，但是它能在宽度和高度方向缩小矩阵的大小。另外，加入池化层也能达到减少整个神经网络中参数的目的。
全连层	如上图所示，在得到池化层的结果后连接了3个全连层。我们可以将卷积层和池化层看成是图像特征提取的结果，图像中的信息在经过几轮卷积操作和池化操作的处理后，得到了更抽象的表达，这就是图像最基本的特征。在得到了提取的特征后，为了完成分类任务仍需要构建几个全连层。其实可以简单地理解为卷积层和池化层相当于人类的眼睛，专门用于信息特征的提取，全连层相当于人类的大脑，将提取到的特征进行整合处理，算出结果。
softmax层	通过softmax层，可以得到输入样例所属种类的概率分布情况。

Cifar-10数据集

Cifar-10数据集中包含60000张32*32彩色图像，其中训练集图像50000张，测试集图像10000张。这个数据集中包含了十个类别的图片，分别是airplane，automobile，bird，cat，deer，dog，frog，horse，ship和truck，并且其中没有任何重叠的情况，下面开始对这些图像进行分类。
首先去下载这个数据集，网址为 http://www.cs.toronto.edu/~kriz/cifar.html， 点击下载CIFAR-10 python version，然后解压。

开始编写.py文件

数据读取和预处理

导入相关库和定义一些需要用到的变量

import os
import tensorflow as tf
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import numpy as np
import time
import math

num_classes = 10 #一共有10个类别

num_examples_pre_epoch_for_train = 50000 #50000个样本用于训练
num_examples_pre_epoch_for_eval = 10000  #10000个样本用于测试

max_steps = 4000    #训练4000步
batch_size = 100    #每次训练100个样本
num_examples_for_eval = 10000
data_dir = "C:/Users/Administrator/Desktop/Tensorflow/cifar-10-batches-bin"  #下载的样本的路径


class CIFAR10Record(object):    #定义一个空类，用于返回读取的Cifar-10数据
    pass

接着定义一个read_cifar10（）函数用于读取文件队列中的数据

def read_cifar10(file_queue):    #file_queue为图片路径
    result = CIFAR10Record()     #创建一个CIFAR10Record对象

    label_bytes = 1            #标签占一个字节
    result.height = 32         #图像高为32像素
    result.width = 32          #图像宽为32像素
    result.depth = 3           #因为是RGB三通道，所以深度为3

    image_bytes = result.height * result.width * result.depth  #结果为3072，即一幅图像的大小为3072字节
    record_bytes = label_bytes + image_bytes                  #加上标签，即一个样本一共有3073字节

    reader = tf.FixedLengthRecordReader(record_bytes=record_bytes)  #使用FixedLengthRecordReader类创建一个用于读取固定长度字节数信息的对象（针对bin文件而言）
    result.key, value = reader.read(file_queue) #使用该类的read（）方法读取指定路径下的文件
    #这里得到的value就是record_bytes长度的包含多个label数据和image数据的字符串
    record_bytes = tf.decode_raw(value, tf.uint8) 
    #decode_raw（）可以将字符串解析成图像对应的像素数组
    #strided_slice（input，begin，end）用于对输入的input截取[begin,end)区间的数据
    result.label = tf.cast(tf.strided_slice(record_bytes, [0], [label_bytes]), tf.int32)
    #这里把record_bytes的第一个元素截取下来然后转换成int32类型的数
    #剪切label之后剩下的就是图片数据，我们将这些数据的格式从[depth*height*width]转换为[depth,height,width]
    depth_major = tf.reshape(tf.strided_slice(record_bytes, [label_bytes], [label_bytes + image_bytes]),
                             [result.depth, result.height, result.width])
    #将[depth,height,width]的格式转换为[height,width，depth]的格式
    result.uint8image = tf.transpose(depth_major, [1, 2, 0])
    return result

紧接着read_cifar10（）函数的是inputs函数，这个函数用于构建文件路径，将构建的文件路径传给read_cifar10（）函数读取样本，对读取到的样本进行数据增强处理。