【深度学习】 基于tensorflow框架的卷积神经网络CNN实现手写数字图片识别案例

前言

CNN（卷积神经网络）在图片识别领域有着广泛的应用，其中一个经典案例是使用MNIST数据集进行手写数字识别。

MNIST数据集构成如下：

• 训练集：由来自250个不同人手写的数字构成，其中一半是高中学生的手写体，另一半来自人口普查局（the Census Bureau）的工作人员。训练集通常用于训练CNN模型，以学习如何识别手写数字。
• 测试集：测试集也是由同样比例的手写数字数据构成，用于评估训练好的CNN模型的性能。

 文件说明

这里基于TensorFlow框架构建CNN模型来识别手写数字图片。

CNN模型构建

通过datasets库加载数据集，对加载的数据集进行归一化处理，并将数据集中的一小部分可视化。

由于MNIST数据集中的图像是灰度图像，每个像素的取值范围为0到255，其中0表示黑色，255表示白色。通过将每个像素值除以255，可以将其缩放到0到1之间的范围。这样做的目的是确保输入数据的数值范围一致，使模型更容易学习和处理。

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

# 加载MNIST数据集并归一化图像数据
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()
train_images = train_images / 255.0
test_images = test_images / 255.0

# 可视化数据集中的一些示例图像
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5, 5, i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(train_labels[i])
plt.show()

可以看到数据集加载如下：

接下来使用models.Sequential()容器构建CNN模型。该模型的结构如下：

• 第一层是一个卷积层(Conv2D)，具有32个 3x3 的过滤器，激活函数为 ReLU。输入形状为 (28, 28, 1)。
• 第二层是一个最大池化层(MaxPooling2D)，使用 2x2 的窗口进行池化。
• 第三层是另一个卷积层(Conv2D)，具有64个 3x3 的过滤器，激活函数为 ReLU。
• 第四层是另一个最大池化层(MaxPooling2D)，使用 2x2 的窗口进行池化。
• 第五层是一个展平层(Flatten)，将输出展平为一个1维向量。
• 第六层是一个全连接层(Dense)，具有64个神经元，激活函数为 ReLU。
• 第七层是一个输出层(Dense)，具有10个神经元，对应于10个数字类别，没有使用激活函数。

这个网络结构采用了交替的卷积层和池化层，以提取图像特征并逐渐减小特征图的大小。然后通过展平操作将特征图转换为1维向量，并通过全连接层进行分类。最后一层是一个具有10个神经元的输出层，用于预测输入图像的类别。

代码如下：

# 构建CNN模型
model = models.Sequential()

# 添加第一个卷积层（32个3x3的过滤器）
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))

# 添加第一个Max Pooling层（2x2窗口）
model.add(layers.MaxPooling2D((2, 2)))

# 添加第二个卷积层（64个3x3的过滤器）
model.add(layers.Conv2D(64, (3, 3), activation='relu'))

# 添加第二个Max Pooling层（2x2窗口）
model.add(layers.MaxPooling2D((2, 2)))

# 将输出展平为1维向量
model.add(layers.Flatten())

# 添加全连接层（64个神经元）
model.add(layers.Dense(64, activation='relu'))

# 添加输出层（10个神经元，对应10个数字类别）
model.add(layers.Dense(10))

通过model.summary()输出模型摘要信息如下：

接下来编译模型并进行训练，训练代码和训练过程如下：

# 编译模型并训练
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

history = model.fit(train_images[..., tf.newaxis], train_labels, epochs=10,
                    validation_data=(test_images[..., tf.newaxis], test_labels))

 训练器默认使用 Adam 优化器，除此之外，我们还可以使用别的优化算法进行优化，如下：

# 导入优化器
from tensorflow.keras.optimizers import SGD

# 创建一个自定义优化器
optimizer = SGD(learning_rate=0.01, momentum=0.9)

# 编译模型并指定损失函数和优化器
model.compile(optimizer=optimizer,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

从训练过程中其实可以看到，准确率可能会有降低的可能性。在测试集上评估模型的性能如下：

# 评估模型在测试集上的性能
test_loss, test_acc = model.evaluate(test_images[..., tf.newaxis], test_labels, verbose=2)
print('Test accuracy:', test_acc)