keras 入门：卷积神经网络实现 MNIST 手写数字识别

keras 入门：卷积神经网络实现 MNIST 手写数字识别

手写数字识别问题作为机器学习领域中的一个经典问题，本文介绍如何使用 keras 构建卷积神经网络模型实现 MNIST 手写数字识别。文本代码只需更换训练集目录，修改图片输入尺寸和类别数量等少量参数，即可直接应用到其他图像分类的问题中。

一、数据准备

关于如何解析 MNIST 数据集，可以参看另一片文章：python 读取 MNIST 数据集，并解析为图片文件。解析出的数据集具有如下目录结构：

mnist_data/
    |----train/
        |----0/
            |----0.png
        |----1/
            |----1.png
...
    |----test/
...

二、keras 搭建卷积神经网络

1. 卷积神经网络简介

卷积神经网络的概念最早出自 19 世纪 60 年代提出的感受野 ( Receptive Field [1])，到了 20 世纪 80 年代，日本科学家提出神经认知机 ( Neocognitron [2] ) 的概念，是卷积神经网络的实现原型。卷积神经网络可以利用空间结构关系减少需要学习的参数量，提高反向传播算法的训练效率。一般的 CNN 有多个卷积层构成，每个卷积层会进行如下操作：

• 图像通过多个不同的卷积核的滤波，并加偏置 ( bias )，提取出局部特征，每一个卷积核会映射出一个新的 2D 图像。
• 将前面卷积核的滤波输出结果进行非线性的激活函数处理。
• 对激活函数的结果再进行池化操作 （ 即降采样），目前一般是使用最大池化，保留最显著的特征，并提升模型的畸变容忍能力。
  这几个步骤就构成最常见的卷积层，当然也可以在加上一个 LRN [3] ( Local Response Normalization，局部响应归一化层) 层。
  CNN 的要点是卷积核的权值共享 ( Weight Sharing )、局部连接模式 ( Local Connection )和池化层 ( Pooling ) 中的降采样 ( Down-Sampling )。局部连接和权值共享降低了参数量，使训练复杂度大大下降，减轻过拟合并降低计算量。同时权值共享还赋予了 CNN 对平移的容忍性，而池化层降采样则进一步降低了输出层参数，并赋予模型轻度形变的容忍性，提高模型的泛化能力。
  LeNet5 [4] 提出于1994 年，是最早的深层卷积神经网络之一。LeNet5 当时的特性有如下几点：
• 每个卷基层包含三个部分：卷积、池化和非线性激活函数
• 使用卷积提取空间特征
• 降采样的平均池化层
• 双曲正切或 S 型的激活函数
• MLP 作为最后的分类器
• 层与层之间的稀疏连接减少计算复杂度

2. 卷积神经网络搭建

使用 keras API 可以很容易搭建一个卷积神经网络，在此我们搭建的网络结构具有 重复三重的 3 * 3 卷积核加 2 * 2 最大池化层，最后加两个全连接层。

第一层卷积输入图像尺寸，设置64个卷积核，经过 2 * 2 最大池化层后，第二层卷积层需要 128 个卷积核，同理第三层卷积是 256 个卷积核。然后将矩阵平整为一维，接一层 256 输出的全链接层，最后一层输出为类别标签数的全连接层，并且该层使用 ‘softmax’ 作为激活函数。

def build_model(self):