第T1周：使用TensorFlow实现mnist手写数字识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊
  

电脑环境：
语言环境：Python 3.8.0
编译器：Jupyter Notebook
深度学习环境：tensorflow 2.15.0

一、前期工作

1.设置GPU（如果使用的是CPU可以忽略这步）

import tensorflow as tf
gpus = tf.config.list_physical_devices("GPU")

if gpus:
    gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpu0],"GPU")

2. 导入数据

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

# 导入mnist数据，依次分别为训练集图片、训练集标签、测试集图片、测试集标签
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()

3. 归一化

数据归一化使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使模型更准确。

# 将像素的值标准化至0到1的区间内。(对于灰度图片来说，每个像素最大值是255，每个像素最小值是0，也就是直接除以255就可以完成归一化。)
train_images, test_images = train_images / 255.0, test_images / 255.0
# 查看数据维数信息
train_images.shape,test_images.shape,train_labels.shape,test_labels.shape
"""
输出：((60000, 28, 28), (10000, 28, 28), (60000,), (10000,))
"""

4.数据可视化

# 将数据集前20个图片数据可视化显示
# 进行图像大小为20宽、4长的绘图(单位为英寸inch)
plt.figure(figsize=(20,4))
# 遍历MNIST数据集下标数值0~19
for i in range(20):
    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(2,10,i+1)
    # 设置不显示x轴刻度
    plt.xticks([])
    # 设置不显示y轴刻度
    plt.yticks([])
    # 设置不显示子图网格线
    plt.grid(False)
    # 图像展示，cmap为颜色图谱，"plt.cm.binary"为matplotlib.cm中的色表
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    # 设置x轴标签显示为图片对应的数字
    plt.xlabel(train_labels[i])
# 显示图片
plt.show()

5.调整图片格式

使用pytorch进行图像处理时，数据最终输入到网络时的尺寸维度是[batch_size, channels, height, weight]。使用tensorflow时的维度是[batch_size, height, weight, channels]。通道数位置变了。

#调整数据到我们需要的格式
train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))

train_images.shape,test_images.shape,train_labels.shape,test_labels.shape
"""
输出：((60000, 28, 28, 1), (10000, 28, 28, 1), (60000,), (10000,))
"""

二、构建CNN网络

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),                   
    layers.Conv2D(64, (3, 3), activation='relu'),  
    layers.MaxPooling2D((2, 2)),                   
    
    layers.Flatten(),                    #Flatten层，连接卷积层与全连接层
    layers.Dense(64, activation='relu'), #全连接层，特征进一步提取，64为输出空间的维数
    layers.Dense(10)                     #输出层，输出预期结果，10为输出空间的维数
])
# 打印网络结构
model.summary()

输出：

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d (Conv2D)             (None, 26, 26, 32)        320       
                                                                 
 max_pooling2d (MaxPooling2  (None, 13, 13, 32)        0         
 D)                                                              
                                                                 
 conv2d_1 (Conv2D)           (None, 11, 11, 64)        18496     
                                                                 
 max_pooling2d_1 (MaxPoolin  (None, 5, 5, 64)          0         
 g2D)                                                            
                                                                 
 flatten (Flatten)           (None, 1600)              0         
                                                                 
 dense (Dense)               (None, 64)                102464    
                                                                 
 dense_1 (Dense)             (None, 10)                650       
                                                                 
=================================================================
Total params: 121930 (476.29 KB)
Trainable params: 121930 (476.29 KB)
Non-trainable params: 0 (0.00 Byte)
_________________________________________________________________

三、编译模型

"""
这里设置优化器、损失函数以及metrics
这三者具体介绍可参考博客：
https://blog.csdn.net/qq_38251616/category_10258234.html
"""
# model.compile()方法用于在配置训练方法时，告知训练时用的优化器、损失函数和准确率评测标准
model.compile(
    optimizer='adam',
	# 设置损失函数为交叉熵损失函数（tf.keras.losses.SparseCategoricalCrossentropy()）
    # from_logits为True时，会将y_pred转化为概率（用softmax），否则不进行转换，通常情况下用True结果更稳定
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    # 设置性能指标列表，将在模型训练时监控列表中的指标
    metrics=['accuracy'])

四、训练模型

"""
这里设置输入训练数据集（图片及标签）、验证数据集（图片及标签）以及迭代次数epochs
关于model.fit()函数的具体介绍可参考博客：
https://blog.csdn.net/qq_38251616/category_10258234.html
"""
history = model.fit(
    # 输入训练集图片
	train_images, 
	# 输入训练集标签
	train_labels, 
	# 设置10个epoch，每一个epoch都将会把所有的数据输入模型完成一次训练。
	epochs=10, 
	# 设置验证集
    validation_data=(test_images, test_labels))

输出：

Epoch 1/10
1875/1875 [==============================] - 13s 5ms/step - loss: 0.1419 - accuracy: 0.9572 - val_loss: 0.0470 - val_accuracy: 0.9849
Epoch 2/10
1875/1875 [==============================] - 7s 4ms/step - loss: 0.0469 - accuracy: 0.9857 - val_loss: 0.0565 - val_accuracy: 0.9811
Epoch 3/10
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0318 - accuracy: 0.9904 - val_loss: 0.0340 - val_accuracy: 0.9894
Epoch 4/10
1875/1875 [==============================] - 7s 4ms/step - loss: 0.0240 - accuracy: 0.9922 - val_loss: 0.0326 - val_accuracy: 0.9896
Epoch 5/10
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0173 - accuracy: 0.9945 - val_loss: 0.0273 - val_accuracy: 0.9917
Epoch 6/10
1875/1875 [==============================] - 7s 4ms/step - loss: 0.0141 - accuracy: 0.9954 - val_loss: 0.0368 - val_accuracy: 0.9892
Epoch 7/10
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0120 - accuracy: 0.9962 - val_loss: 0.0380 - val_accuracy: 0.9899
Epoch 8/10
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0093 - accuracy: 0.9967 - val_loss: 0.0288 - val_accuracy: 0.9920
Epoch 9/10
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0077 - accuracy: 0.9972 - val_loss: 0.0351 - val_accuracy: 0.9909
Epoch 10/10
1875/1875 [==============================] - 9s 5ms/step - loss: 0.0067 - accuracy: 0.9979 - val_loss: 0.0370 - val_accuracy: 0.9901

五、预测

查看测试集的第一张图片

plt.imshow(test_images[0])

pre = model.predict(test_images) # 对所有测试图片进行预测
pre[0]

输出：

array([-12.295295  ,  -6.8074613 ,  -7.0550156 ,  -0.22500038,
        -6.9359474 , -10.427808  , -22.984123  ,  19.57409   ,
        -4.20898   ,   1.4158278 ], dtype=float32)

索引为7时的输出分数最大，预测正确。