上一篇笔记采用一个线性关系的神经层处理了MNIST的训练数据,最后得到一个准确率一般的神经网络。但其实对于这种图像识别的场景,tensorflow里还可以使用卷积神经网络技术进行准确率更高的机器学习。

卷积与池化

卷积是一个数学上的概念,简单说就是拿卷积核从原始图像里提取特征映射,将一张图片转化为多张包含特征映射的图片。理解卷积可以读一下这篇帖子,里面除了很抽象的数学定义外,还有一些便于理解的示例。 池化主要用来浓缩卷积层的输出结果并创建一个压缩版本的信息并输出。

示例程序

学习卷积神经网络,我也参照官方的代码写了个小例子,如下。

demo2.py

import tensorflow as tf
# 下载mnist并加载MNIST的训练数据
import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
# 定义两个方法,用以产生带稍许噪音的权值与偏值
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)
def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)
# 定义工具方法,用以创建隐藏层
def add_layer(inputs, Weights, biases, activation_function=None):
    # add one more layer and return the output of this layer
    Wx_plus_b = tf.add(tf.matmul(inputs, Weights), biases)
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b, )
    return outputs
# 定义工具方法,创建卷积层
def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
# 定义工具方法,创建池化层
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
# 定义两个外部传入的张量
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10])
# drop层使用到的保留比率
keep_prob = tf.placeholder(tf.float32)
# 将原始二维数据reshape为四维数据
x_image = tf.reshape(x, [-1, 28, 28, 1]) # (samples, 28, 28, 1)
# 第一层卷积层及池化层
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) # (samples, 28, 28, 32)
h_pool1 = max_pool_2x2(h_conv1) # (samples, 14, 14, 32)
# 第二层卷积及池化层
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) # (samples, 14, 14, 64)
h_pool2 = max_pool_2x2(h_conv2) # (samples, 7, 7, 64)
# 将四维的输出reshape为二维数据
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64]) # (samples, 7*7*64)
# 添加一个隐藏层
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
h_fc1 = add_layer(h_pool2_flat, W_fc1, b_fc1, tf.nn.relu) # (samples, 1024)
# 添加一个按比率随机drop层
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) # (samples, 1024)
# 使用softmax回归模型计算出预测的y,这个是用来分类处理的
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
prediction_y = tf.nn.softmax(tf.add(tf.matmul(h_fc1_drop, W_fc2), b_fc2)) # (samples, 10)
# 使用交叉熵计算预测的y与实际的y的损失
loss = -tf.reduce_sum(y*tf.log(prediction_y))
# 使用AdamOptimizer以0.0001的学习速率最小化交叉熵
train_step = tf.train.AdamOptimizer(1e-4).minimize(loss)
# 计算预测的y与实际的y是否匹配,返回为[True, False, True, True...]
correct_prediction = tf.equal(tf.argmax(prediction_y, 1), tf.argmax(y, 1))
# 计算上一步计算出来的张量的平均值
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

with tf.Session() as sess:
    # 初始化所有变量
    sess.run(tf.global_variables_initializer())
    # 循环训练1000次,每次从MNIST的训练数据中随机抽出100条进行训练
    for i in range(1000):
        batch_xs, batch_ys = mnist.train.next_batch(100)
        sess.run(train_step, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 0.5})
        if i % 10 == 0:
            # 使用MNIST的测试数据计算模型的准确率
            batch_xs, batch_ys = mnist.test.next_batch(100)
            print(sess.run(accuracy, \
                feed_dict={x: batch_xs, y: batch_ys, keep_prob: 0.5}))

代码注释得很清楚了,为了便于理解,多个层之间转换时,我也将张量的shape标示出来了。

总结

本篇作为tensorflow入门的一个较复杂的例子,其中涉及了较多数学知识,理解起来还是挺困难的。后面我会尝试用tensorboard等工具将神经网络以可视化的方式呈现出来,这样可能容易理解一点。看到一句话,原以为深度学习工程师很高大上,原来大家都是这么干活的。 > 话说,深度学习工程师50%的时间在调参数,49%的时间在对抗过/欠拟合,剩下1%时间在修改网上down下来的程序。

参考

http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/deep_cnn.html http://www.jianshu.com/p/3b611043cbae https://www.zhihu.com/question/22298352?rf=21686447 https://www.zhihu.com/question/38098038