Tensorflow实战(二)——MNIST（CNN实现）

入门篇
《Tensorflow入门(六)——初识卷积神经网络（CNN）》
《Tensorflow入门(七)——CNN经典模型：LeNet》

原文链接：https://my.oschina.net/u/876354/blog/1926060
本文在原文基础上进行细微的修改和完善。

关于MNIST的介绍可以参考《Tensorflow实战(一)——MNIST》

在构建AI模型时，一般有以下主要步骤：准备数据、数据预处理、划分数据集、配置模型、训练模型、评估优化、模型应用，如下图所示：

下面将按照主要步骤进行介绍。

注意： 由于MNIST数据集太经典了，很多深度学习书籍在介绍该入门模型案例时，基本上就是直接下载获取数据，然后就进行模型训练，最后得出一个准确率出来。但这样的入门案例学习后，当要拿自己的数据来训练模型，却往往不知该如何处理数据、如何训练、如何应用。在本文，将分两种情况进行介绍：
（1）使用MNIST数据（本案例）
（2）使用自己的数据。

下面将针对模型训练的各个主要环节进行介绍，便于读者快速迁移去训练自己的数据模型。

1. 准备数据

准备数据是训练模型的第一步，基础数据可以是网上公开的数据集，也可以是自己的数据集。视觉、语音、语言等各种类型的数据在网上都能找到相应的数据集。

（1）使用MNIST数据（本案例）
MNIST数据集由于非常经典，已集成在tensorflow里面，可以直接加载使用，也可以从MNIST的官网上（http://yann.lecun.com/exdb/mnist/） 直接下载数据集，代码如下：

# 从tensorflow.examples.tutorials.mnist引入模块。这是TensorFlow为了教学MNIST而提前编制的程序
from tensorflow.examples.tutorials.mnist import input_data

# 从MNIST_data/中读取MNIST数据。这条语句在数据不存在时，会自动执行下载
mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)

集成或下载的MNIST数据集已经是打好标签了，直接使用就行。

（2）使用自己的数据
如果是使用自己的数据集，在准备数据时的重要工作是“标注数据”，也就是对数据进行打标签，主要的标注方式有：
① 整个文件打标签。例如MNIST数据集，每个图像只有1个数字，可以从0至9建10个文件夹，里面放相应数字的图像；也可以定义一个规则对图像进行命名，如按标签+序号命名；还可以在数据库里面创建一张对应表，存储文件名与标签之间的关联关系。如下图：

② 圈定区域打标签。例如ImageNet的物体识别数据集，由于每张图片上有各种物体，这些物体位于不同位置，因此需要圈定某个区域进行标注，目前比较流行的是VOC2007、VOC2012数据格式，这是使用xml文件保存图片中某个物体的名称（name）和位置信息（xmin,ymin,xmax,ymax）。
如果图片很多，一张一张去计算位置信息，然后编写xml文件，实在是太耗时耗力了。所幸，有一位大神开源了一个数据标注工具labelImg（https://github.com/tzutalin/labelImg），只要在界面上画框标注，就能自动生成VOC格式的xml文件了，非常方便，如下图所示：

③ 数据截段打标签。针对语音识别、文字识别等，有些是将数据截成一段一段的语音或句子，然后在另外的文件中记录对应的标签信息。

2. 数据预处理

在准备好基础数据之后，需要根据模型需要对基础数据进行相应的预处理。

（1）使用MNIST数据（本案例）
由于MNIST数据集的尺寸统一，只有黑白两种像素，无须再进行额外的预处理，直接拿来建模型就行。

（2）使用自己的数据
而如果是要训练自己的数据，根据模型需要一般要进行以下预处理：

a. 统一格式： 即统一基础数据的格式，例如图像数据集，则全部统一为jpg格式；语音数据集，则全部统一为wav格式；文字数据集，则全部统一为UTF-8的纯文本格式等，方便模型的处理；

b. 调整尺寸： 根据模型的输入要求，将样本数据全部调整为统一尺寸。例如LeNet模型是32x32，AlexNet是224x224，VGG是224x224等；

c. 灰度化： 根据模型需要，有些要求输入灰度图像，有些要求输入RGB彩色图像；

d. 去噪平滑： 为提升输入图像的质量，对图像进行去噪平滑处理，可使用中值滤波器、高斯滤波器等进行图像的去噪处理。如果训练数据集的图像质量很好了，则无须作去噪处理；

e. 其它处理： 根据模型需要进行直方图均衡化、二值化、腐蚀、膨胀等相关的处理；

f. 样本增强： 有一种观点认为神经网络是靠数据喂出来的，如果能够增加训练数据的样本量，提供海量数据进行训练，则能够有效提升算法的质量。常见的样本增强方式有：水平翻转图像、随机裁剪、平移变换，颜色、光照变换等，如下图所示：

3. 划分数据集

在训练模型之前，需要将样本数据划分为训练集、测试集，有些情况下还会划分为训练集、测试集、验证集。

（1）使用MNIST数据（本案例）

本案例要训练模型的MNIST数据集，已经提供了训练集、测试集，代码如下：

# 提取训练集、测试集
train_xdata = mnist.train.images
test_xdata = mnist.test.images

# 提取标签数据
train_labels = mnist.train.labels
test_labels = mnist.test.labels

（2）使用自己的数据
如果是要划分自己的数据集，可使用scikit-learn工具进行划分，代码如下：

from sklearn.model_selection import train_test_split

# 随机选取75%的数据作为训练样本，其余25%的数据作为测试样本
# X_data：数据集
# y_labels：数据集对应的标签
X_train, X_test, y_train, y_test = train_test_split(X_data, y_labels, test_size=0.25, random_state=33)

4. 配置模型

接下来是选择模型、配置模型参数，建议先阅读深度学习经典模型的文章，可以参考《Tensorflow入门(六)——初识卷积神经网络（CNN）》，便于快速掌握深度学习模型的相关知识。

（1）选择模型
本案例将采用LeNet模型来训练MNIST手写数字模型，LeNet是一个经典卷积神经网络模型，结构简单，针对MNIST这种简单的数据集可达到比较好的效果，LeNet模型的原理介绍请见文章《Tensorflow入门(七)——CNN经典模型：LeNet》，网络结构图如下：

（2）设置参数
在训练模型时，一般要设置的参数有：

step_cnt = 5000         # 训练模型的迭代步数
batch_size = 100        # 每次迭代批量取样本数据的量
learning_rate = 0.001   # 学习率

除此之外还有卷积层权重和偏置、池化层权重、全联接层权重和偏置、优化函数等等，根据模型需要进行设置。

5. 训练模型

接下来便是根据选择好的模型，构建网络，然后开始训练。

（1）构建模型
本案例按照LeNet的网络模型结构，构建网络模型，网络结构如下：

代码如下：

# 训练数据，占位符
x = tf.placeholder("float", shape=[None, 784])
# 训练的标签数据，占位符
y_ = tf.placeholder("float", shape=[None, 10])
# 将样本数据转为28x28
x_image = tf.reshape(x, [-1, 28, 28, 1])

# 保留概率，用于 dropout 层
keep_prob = tf.placeholder(tf.float32)

# 第一层：卷积层
# 卷积核尺寸为5x5，通道数为1，深度为32，移动步长为1，采用ReLU激励函数
conv1_weights = tf.get_variable("conv1_weights", [5, 5, 1, 32], initializer=tf.truncated_normal_initializer(stddev=0.1))
conv1_biases = tf.get_variable("conv1_biases", [32], initializer=tf.constant_initializer(0.0))
conv1 = tf.nn.conv2d(x_image, conv1_weights, strides=[1, 1, 1, 1], padding='SAME')
relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))

# 第二层：最大池化层
# 池化核的尺寸为2x2，移动步长为2，使用全0填充
pool1 = tf.nn<