tensorflow基础学习：CNN（卷积神经网络）打造手写数字识别详细教程

最新推荐文章于 2024-04-25 16:49:51 发布

ziaiyu

最新推荐文章于 2024-04-25 16:49:51 发布

阅读量763

点赞数 1

分类专栏：深度学习tensorflow 人工智能 python 文章标签： tensorflow

本文链接：https://blog.csdn.net/weixin_43741442/article/details/84558145

版权

python 同时被 3 个专栏收录

9 篇文章 0 订阅

订阅专栏

深度学习tensorflow

8 篇文章 0 订阅

订阅专栏

人工智能

7 篇文章 0 订阅

订阅专栏

开发平台：win10+py3.6 64bit + tensorflow-gpu == 1.9.0版本

使用的工具以及库：

pycharm（全宇宙唯一一款专门用做python开发的工具）功能强大
tensorflow-gpu 1.9 (win10下配置gpu环境过程多坑，配置教程看我另一篇博客)
tensorflow cpu版不太建议，很慢很烫，是真的慢真的烫

先看看训练的tensorboard的图

在这里插入图片描述

详细解释看代码注释

准备工作

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

# 载入数据集，路径要找对自己的，数据集我的博客另外一片有下载链接
mnist = input_data.read_data_sets("../../tensorflow_code/mnist/", one_hot=True)

# 设置没批次的样本数据大小
batch_size = 50

# 定义一个学习率占位符，用于后面随着训练的次数增加来修改学习率，以便于更加好收敛
learn_rate = tf.placeholder(tf.float32)
# 学习率
# 初始值设置为0.15
rate = 0.15

# 计算一共有多少个批次， 后面好像也没有用它
n_batch = mnist.train.num_examples // batch_size

把随机生成权重，和偏置封装成函数

def weight_variable(shape, name=None):
    """
    输入数据类型，随机初始化值返回
    :param shape: [] 类型
    :param name: 起的名字
    :return: 随机初始化的值
    """

    initial = tf.random_normal(shape=shape, stddev=0.1, name=name)
    # 转化为tf.的变量类型才可以跟着训练改变，优化
    return tf.Variable(initial)



def bias_variable(shape, name):
	''' 初始化偏置 '''
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial, name=name)

3.第一层：卷积，激活，池化

经过第一层卷积池化：
卷积：就是窗口的每一个像素值乘于窗口的权重
5*5的采样窗口,32窗口卷积，x，y 步长为1
对于一张图片来说: 28 x 28 x 1
最后得到:32张 28 x 28 的图，因为步长全部为1

卷积层

def conv2(x, W):
	'''卷积层，以为图片是2维的，所以使用2维的api tf.nn.conv2d()
    x: 输入的图片数据的类型[batch（样本数）, height（图片高）, width（图片宽）, channels（图片RGB通道数）]
    W filter： 卷积内核的shape [filter_height, filter_width, in_channels, out_channels（输出多少张表）]
    strides[0]:样本图片， strides[3]：RGB通道，这两个一般选1， 一般不会跨图片，跨通道，去卷积计算得到一张表
    strides[1]代表x方向的步长，strides[2]代表y方向的步长
   padding:  一般选"SAME"（不够就补零）, "VALID"（不够就跳过）
    '''
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

激活函数选择relu函数（大于0就是本身，小于0就改为0）
池化
max池化：取窗口里面最大的像素值代替这个区
ksize：池化窗口的size [1, 2, 2, 1], 表示，池化窗口为 2 x 2 池化（一张一张图片通道数也是一个一个来，这两个绝大部分都是1）
strides ：类似上面，步长x上面是2， y上面也是2
2828，池化后就成了 1414 ，也有32张
也就是传入第2次卷积你觉得数据为
[None, 14, 14, 32]

# 池化层
def max_pool_2x2(x):
    # ksize [1,x,y,1]
    return tf.nn.max_pool(value=x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

开始搭建第一层卷积网络


with tf.name_scope("input_data"):
    # 定义两个placeholder
    # 输入值的特征值784
    x = tf.placeholder(tf.float32, [None, 784], name="x")
    # 目标值 10个类别
    y = tf.placeholder(tf.float32, [None, 10], name='y')

    with tf.name_scope('x_image'):
        # 改变x的格式转为4D的向量[batch, in_height, in_width, in_channels]`
        x_image = tf.reshape(x, [-1, 28, 28, 1], name="x_image")

with tf.name_scope('Conv1'):
    # 初始化第一个卷积层的权值和偏置

    with tf.name_scope('W_conv1'):
        # 随机生成 5*5的采样窗口，黑白图片，一个输入通道， 16个输出通道，16个卷积核从1个平面抽取特征，得到16张特征表

        W_conv1 = weight_variable([5, 5, 1, 16], name='W_conv1')

    with tf.name_scope('b_conv1'):
        # # 每一个卷积核一个偏置值
        b_conv1 = bias_variable([16], name='b_conv1')

    # 把x_image和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数
    with tf.name_scope('conv2d_1'):
        # conv2d_1 = [None, 28, 28, 16]
        conv2d_1 = conv2(x_image, W_conv1) + b_conv1

    # 使用relu激活函数，激活再经过池化
    with tf.name_scope('relu'):
        # relu： 小于0取0， 大于0取自己，像素值没有小于0的
        h_conv1 = tf.nn.relu(conv2d_1)

    with tf.name_scope('h_pool1'):
        # 进行max-pooling
        # tf.nn.max_pool(h_conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
        # max_pool.池化就是取小框里面最大值代替这个框的值
        # ksize： 池化窗口的size [1, 2, 2, 1], 表示，池化窗口为 2*2 池化（一张一张图片 通道数也是一个一个来， 这两个绝大部分都是1）
        # strides ： 类似上面，步长x上面是2， y上面也是2
        # h_pool1 = [None, 14, 14, 16]
        h_pool1 = max_pool_2x2(h_conv1)

第二层卷积

ith tf.name_scope('Conv2'):
    # 初始化第二个卷积层的权值和偏置
    with tf.name_scope('W_conv2'):
        W_conv2 = weight_variable([5, 5, 16, 32], name='W_conv2')  # 5*5的采样窗口，32个卷积核从16个平面抽取特征
    with tf.name_scope('b_conv2'):
        b_conv2 = bias_variable([32], name='b_conv2')  # 每一个卷积核一个偏置值

    # 把h_pool1和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数
    with tf.name_scope('conv2d_2'):
        # conv2d_2 = [None, 14, 14, 32]
        conv2d_2 = conv2(h_pool1, W_conv2) + b_conv2
    with tf.name_scope('relu'):
        h_conv2 = tf.nn.relu(conv2d_2)
    with tf.name_scope('h_pool2'):
        # h_pool2 = [None, 7, 7, 32]
        h_pool2 = max_pool_2x2(h_conv2)  # 进行max-pooling

# 28*28的图片第一次卷积后还是28*28，第一次池化后变为14*14
# 第二次卷积后为14*14，第二次池化后变为了7*7
# 进过上面操作后得到64张7*7的平面
# 输出的为[None，7，7，64]

第一层全连接层网络

with tf.name_scope("fc1"):
    # 初始化第一个全连接层的权值

    with tf.name_scope('W_fc1'):
        #  输入为[None，7，7，64]， 用1024个神经元运算
        # 上一层有7*7*64个神经元，全连接层有1024个神经元
        W_fc1 = weight_variable([7 * 7 * 32, 32], name='W_fc1')

    # 1024个神经元就有1024个偏置
    with tf.name_scope('b_fc1'):
        b_fc1 = bias_variable([32], name='b_fc1')  # 1024个节点

    # 把池化层2的输出扁平化为1维
    with tf.name_scope('h_pool2_flat'):
        h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 32], name='h_pool2_flat')

    # 求第一个全连接层的输出，输入 X 权值 + bias
    with tf.name_scope('wx_plus_b1'):
        wx_plus_b1 = tf.matmul(h_pool2_flat, W_fc1) + b_fc1

    # 激活函数
    with tf.name_scope('relu'):
        h_fc1 = tf.nn.relu(wx_plus_b1)

    # keep_prob用来表示神经元的输出概率
    # 控制一部分的神经元在运作
    """
    目的：防止过拟合。
    在数据量很大的时候，每批次都让所有的权重参加训练更新数值，
    最后可能有些还没训练够，有些就过拟合了

    让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，
    也不参加神经网络的计算。但是它的权重得保留下来（只是暂时不更新而已），
    因为下次样本输入时它可能又得工作了.
    但在测试及验证中：每个神经元都要参加运算，但其输出要乘以概率p。

    """

    # 定义占位符
    with tf.name_scope('keep_prob'):
        keep_prob = tf.placeholder(tf.float32, name='keep_prob')

    # keep_prob：0.7,就是让70%的神经元再更新参数
    with tf.name_scope('h_fc1_drop'):
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob, name='h_fc1_drop')

第二层全连接层


with tf.name_scope("fc2"):
    # 上一层输入为 [None, 1024]
    # 这一层要求输出[None, 10],因为有 10 个数字类别
    # 故要求weigh = [1024, 10], bias = [10]
    # 初始化第2个全连接层

    with tf.name_scope('w_fc2'):
        w_fc2 = weight_variable([32, 10], name="w_fc2")
        # 收集最后一层的权值分布
        tf.summary.histogram("w_fc2",w_fc2)

    with tf.name_scope("b_fc2"):
        b_fc2 = bias_variable(shape=[10], name="b_fc2")
        tf.summary.histogram("b_fc2", b_fc2)


    # 输入的数据于权值相乘 + bias
    with tf.name_scope("wx_plus_b2"):
        wx_plus_b2 = tf.matmul(h_fc1_drop, w_fc2) + b_fc2

    # 计算输出每一个类别的概率
    with tf.name_scope("softmax"):
        prediction = tf.nn.softmax(wx_plus_b2)

loss函数以及优化器

# 计算交叉熵损失函数
with tf.name_scope("loss"):
    # 输入真实值跟预测值
    loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=prediction), name="loss")

    # 收集损失函数的变化
    tf.summary.scalar("loss", loss)

# 使用AdamOptimizer进行优化
# with tf.name_scope('train'):
#     train_step = tf.train.AdamOptimizer(0.01).minimize(loss)

# 使用梯度下降优化器
with tf.name_scope('train'):
    train_step = tf.train.GradientDescentOptimizer(learn_rate).minimize(loss)

准确率

# 计算准确率
with tf.name_scope('accuracy'):
    with tf.name_scope('correct_prediction'):
        # 结果存放在一个布尔列表中, [None, 10]
        correct_prediction = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))  # argmax返回一维张量中最大的值所在的位置
    with tf.name_scope('accuracy'):
        # 求准确率
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        tf.summary.scalar('accuracy', accuracy)

开始训练，保存模型

# 合并所有的summary
merged = tf.summary.merge_all()

# 最后开启会话进行训练

with tf.Session() as sess:
    # 初始化所有的变量
    sess.run(tf.global_variables_initializer())
    train_writer = tf.summary.FileWriter("F:/mnist/model/train/", graph=sess.graph)
    test_writer = tf.summary.FileWriter("F:/mnist/model/test/", graph=sess.graph)

    for i in range(1000):
        # 开始训练模型
        # 训练模型
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        sess.run(train_step, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 0.5, learn_rate: rate})

        # 记录训练集计算的参数
        summary = sess.run(merged, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.0, learn_rate: rate})
        train_writer.add_summary(summary, i)

        # 记录测试集计算的参数
        batch_xs, batch_ys = mnist.test.next_batch(batch_size)
        summary = sess.run(merged, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.0, learn_rate: rate})
        test_writer.add_summary(summary, i)

        if i % 100 == 0:
            # 每50次下降一点学习率
            rate = rate * 0.93
            test_acc = sess.run(accuracy, feed_dict={x: mnist.test.images, y: mnist.test.labels, keep_prob: 1.0, learn_rate: rate})
            train_acc = sess.run(accuracy, feed_dict={x: mnist.train.images[:10000], y: mnist.train.labels[:10000],
                                                      keep_prob: 1.0})
            print("Iter " + str(i) + ", Testing Accuracy= " + str(test_acc) + ", Training Accuracy= " + str(train_acc))