搭建一个卷积神经网络

虽然对机器学习算法、神经网络、深度学习的接触也已经有一年了，但是还没有认真搭建过一个网络。为了帮助自己更好地理解，同时提高实践能力，自己动手搭建一个卷积神经网络，以备后面的学习使用。

使用比较熟悉的MNIST数据集，下载地址

包含四个部分

Training set images: train-images-idx3-ubyte.gz

Training set labels: train-labels-idx1-ubyte.gz

Test set images: t10k-images-idx3-ubyte.gz

Test set labels: t10k-labels-idx1-ubyte.gz

参考博客1：手把手教你用 TensorFlow 实现卷积神经网络（附代码）

参考博文2：深度学习四：tensorflow-使用卷积神经网络识别手写数字

 

为了方便自己理解，所以加了很多的注释。

1. # CNN.py

2. import tensorflow as tf

3. from tensorflow.examples.tutorials.mnist import input_data

4. sess = tf.InteractiveSession()

5.  

6. # 读取数据集

7. mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

8.  

9. # 函数申明

10. def weight_variable(shape):

11. # 正态分布，标准差为0.1，默认最大为1，最小为-1，均值为0

12. initial = tf.truncated_normal(shape, stddev=0.1)

13. return tf.Variable(initial)

14. def bias_variable(shape):

15. # 创建一个结构为shape矩阵也可以说是数组shape声明其行列，初始化所有值为0.1

16. initial = tf.constant(0.1, shape == shape)

17. return tf.Variable(initial)

18. def conv2d(x, W):

19. # 卷积遍历各方向步数为1，SAME：边缘外自动补0，遍历相乘

20. # padding 一般只有两个值

21. return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

22. def max_pool_2x2(x):

23. # 池化卷积结果（conv2d）池化层采用kernel大小为2*2，步数也为2，SAME：周围补0，取最大值。数据量缩小了4倍

24. # x 是 CNN 第一步卷积的输出量，其shape必须为[batch, height, weight, channels];

25. # ksize 是池化窗口的大小， shape为[batch, height, weight, channels]

26. # stride 步长，一般是[1，stride， stride，1]

27. return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

28.  
29.  

30. # 定义输入输出结构

31. # 可以理解为形参，用于定义过程，执行时再赋值

32. # dtype 是数据类型，常用的是tf.float32,tf.float64等数值类型

33. # shape是数据形状，默认None表示输入图片的数量不定，28*28图片分辨率

34. xs = tf.placeholder(tf.float32, [None, 28*28])

35. # 类别是0-9总共10个类别，对应输出分类结果

36. ys = tf.placeholder(tf.float32, [None, 10])

37.  

38. keep_prob = tf.placeholder(tf.float32)

39. # x_image又把xs reshape成了28*28*1的形状，灰色图片的通道是1.作为训练时的input，-1代表图片数量不定

40. x_image = tf.reshape(xs, [-1, 28, 28, 1])

41.  
42.  

43. # 搭建网络

44. # 第一层卷积池化

45. # 第一二参数值得卷积核尺寸大小，即patch

46. w_conv1 = weight_variable([5, 5, 1, 32])

47. b_conv1 = bias_variable([32]) # 32个偏置值

48. h_conv1 = tf.nn.relu(conv2d(x_image, w_conv1)+b_conv1) # 得到28*28*32

49. h_pool1 = max_pool_2x2(h_conv1) # 得到14*14*32

50.  

51. # 第二层卷积池化

52. # 第三个参数是图像通道数，第四个参数是卷积核的数目，代表会出现多少个卷积特征图像;

53. w_conv2 = weight_variable([5, 5, 32, 64])

54. b_conv2 = bias_variable([64])

55. h_conv2 = tf.nn.relu(conv2d(h_pool1, w_conv2)+b_conv2) # 得到14*14*64

56. h_pool2 = max_pool_2x2(h_conv2) # 得到7*7*64

57.  

58. # 第三层全连接层

59. w_fc1 = weight_variable([7*7*64, 1024])

60. b_fc1 = bias_variable([1024])

61. # 将第二层卷积池化结果reshape成只有一行7*7*64个数据

62. # [n_samples, 7, 7, 64] == [n_samples, 7 * 7 * 64]

63. h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])

64. # 卷积操作，结果是1*1*1024，单行乘以单列等于1*1矩阵，matmul实现最基本的矩阵相乘

65. # 不同于tf.nn.conv2d的遍历相乘，自动认为是前行向量后列向量

66. h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, w_fc1)+ b_fc1)

67.  

68. # 对卷积结果执行dropout操作

69. h_fc1_dropout = tf.nn.dropout(h_fc1, keep_prob)

70.  

71. # 第四层输出操作

72. # 二维张量，1*1024矩阵卷积，共10个卷积，对应ys长度为10

73. w_fc2 = weight_variable([1024, 10])

74. b_fc2 = bias_variable([10])

75. y_conv = tf.nn.softmax(tf.matmul(h_fc1_dropout, w_fc2)+b_fc2)

76.  

77. # 定义损失函数

78. cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys*tf.log(y_conv), reduction_indices=[1]))

79. # AdamOptimizer通过使用动量（参数的移动平均数）来改善传统梯度下降，促进超参数动态调整

80. train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

81.  

82. # 训练验证

83. tf.global_variables_initializer().run()

84. # tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果相等返回True，否则返回False，返回的值的矩阵维度和A是一样的

85. correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(ys, 1))

86. # print(correct_prediction)

87. # tf.arg_max(input, axis=None, name=None, dimension=None) 是对矩阵按行或列计算最大值（axis：0表示按列，1表示按行）

88. accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) # 数据类型转换

89.  

90. for i in range(1500):

91. batch_x, batch_y = mnist.train.next_batch(50)

92. if i%100 == 0:

93. train_accuracy = accuracy.eval(feed_dict={xs:batch_x, ys:batch_y, keep_prob: 1.0})

94. print('step:%d, training accuracy %g' %(i, train_accuracy))

95. train_step.run(feed_dict={xs:batch_x, ys:batch_y, keep_prob:0.5})

96.  

97. print(accuracy.eval({xs:mnist.test.images, ys:mnist.test.labels, keep_prob:1.0}))

 

运行结果

 

除了Adam算法的优化器外，tensorflow还提供了一些优化器，比如： 

class tf.train.GradientDescentOptimizer–梯度下降算法的优化器 

class tf.train.AdadeltaOptimizer – 使用adadelta算法的优化器 

class tf.train.AdagradOptimizer – 使用adagradOptimizer算法的优化器 

class tf.train.MomentumOptimizer – 使用Momentum算法的优化器 

 

把激活函数换成sigmoid试了一下

可以看到sigmoid的效果没有ReLU好

 

添加一个卷积池化层

1. # CNN.py

2. import tensorflow as tf

3. from tensorflow.examples.tutorials.mnist import input_data

4. sess = tf.InteractiveSession()

5.  
6.  

7. # 函数申明

8. def weight_variable(shape):

9. # 正态分布，标准差为0.1，默认最大为1，最小为-1，均值为0

10. initial = tf.truncated_normal(shape, stddev=0.1)

11. return tf.Variable(initial)

12. def bias_variable(shape):

13. # 创建一个结构为shape矩阵也可以说是数组shape声明其行列，初始化所有值为0.1

14. initial = tf.constant(0.1, shape == shape)

15. return tf.Variable(initial)

16. def conv2d(x, W):

17. # 卷积遍历各方向步数为1，SAME：边缘外自动补0，遍历相乘

18. # padding 一般只有两个值

19. return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

20. def max_pool_2x2(x):

21. # 池化卷积结果（conv2d）池化层采用kernel大小为2*2，步数也为2，SAME：周围补0，取最大值。数据量缩小了4倍

22. # x 是 CNN 第一步卷积的输出量，其shape必须为[batch, height, weight, channels];

23. # ksize 是池化窗口的大小， shape为[batch, height, weight, channels]

24. # stride 步长，一般是[1，stride， stride，1]

25. return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

26.  

27. def deep_CNN(xs):

28. # x_image又把xs reshape成了28*28*1的形状，灰色图片的通道是1.作为训练时的input，-1代表图片数量不定

29. x_image = tf.reshape(xs, [-1, 28, 28, 1])

30.  

31. # 搭建网络

32. # 第一层卷积池化

33. # 第一二参数值得卷积核尺寸大小，即patch

34. w_conv1 = weight_variable([5, 5, 1, 32])

35. b_conv1 = bias_variable([32]) # 32个偏置值

36. h_conv1 = tf.nn.relu(conv2d(x_image, w_conv1)+b_conv1) # 得到28*28*32

37. #h_conv1 = tf.nn.sigmoid(conv2d(x_image, w_conv1)+b_conv1)

38. h_pool1 = max_pool_2x2(h_conv1) # 得到14*14*32

39.  

40. # 第二层卷积池化

41. # 第三个参数是图像通道数，第四个参数是卷积核的数目，代表会出现多少个卷积特征图像;

42. w_conv2 = weight_variable([5, 5, 32, 64])

43. b_conv2 = bias_variable([64])

44. h_conv2 = tf.nn.relu(conv2d(h_pool1, w_conv2)+b_conv2) # 得到14*14*64

45. #h_conv2 = tf.nn.sigmoid(conv2d(h_pool1, w_conv2)+b_conv2)

46. h_pool2 = max_pool_2x2(h_conv2) # 得到7*7*64

47.  

48. # 添加一层卷积池化层

49. w_conv3 = weight_variable([5, 5, 64, 128])

50. b_conv3 = bias_variable([128])

51. h_conv3 = tf.nn.relu(conv2d(h_pool2, w_conv3)+b_conv3) # 得到7*7*128

52. #h_conv3 = tf.nn.sigmoid(conv2d(h_pool1, w_conv2)+b_conv2)

53. h_pool3 = max_pool_2x2(h_conv3) # 得到4*4*128

54.  

55. # 第四层全连接层

56. w_fc1 = weight_variable([4*4*128, 1024])

57. b_fc1 = bias_variable([1024])

58. # 将第三层卷积池化结果reshape成只有一行7*7*128个数据

59. # [n_samples, 4, 4, 128] == [n_samples, 4 * 4 * 128]

60. h_pool3_flat = tf.reshape(h_pool3, [-1, 4*4*128])

61. # -1 表示不知道该填什么数字合适的情况下，可以选择

62. # 卷积操作，结果是1*1*1024，单行乘以单列等于1*1矩阵，matmul实现最基本的矩阵相乘

63. # 不同于tf.nn.conv2d的遍历相乘，自动认为是前行向量后列向量

64. h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, w_fc1)+ b_fc1)

65. #h_fc1 = tf.nn.sigmoid(tf.matmul(h_pool2_flat, w_fc1)+ b_fc1)

66.  

67. # 对卷积结果执行dropout操作

68. keep_prob = tf.placeholder(tf.float32)

69. h_fc1_dropout = tf.nn.dropout(h_fc1, keep_prob)

70. # tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)

71. # 第二个参数keep_prob: 设置神经元被选中的概率,在初始化时keep_prob是一个占位符

72.  

73. # 第四层输出操作

74. # 二维张量，1*1024矩阵卷积，共10个卷积，对应ys长度为10

75. w_fc2 = weight_variable([1024, 10])

76. b_fc2 = bias_variable([10])

77. y_conv = tf.nn.softmax(tf.matmul(h_fc1_dropout, w_fc2)+b_fc2)

78.  

79. return y_conv, keep_prob

80.  

81. def main():

82. # 读取数据集

83. mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

84.  

85. # 定义输入输出结构

86. # tf.placeholder可以理解为形参，用于定义过程，执行时再赋值

87. # dtype 是数据类型，常用的是tf.float32,tf.float64等数值类型

88. # shape是数据形状，默认None表示输入图片的数量不定，28*28图片分辨率

89. xs = tf.placeholder(tf.float32, [None, 28 * 28])

90. # 类别是0-9总共10个类别，对应输出分类结果

91. ys = tf.placeholder(tf.float32, [None, 10])

92.  

93. y_conv, keep_prob = deep_CNN(xs)

94.  

95. # 定义损失函数

96. # cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys*tf.log(y_conv), reduction_indices=[1]))

97. cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=ys, logits=y_conv))

98. # AdamOptimizer通过使用动量（参数的移动平均数）来改善传统梯度下降，促进超参数动态调整

99. train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

100.  

101. # 训练验证

102. # tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果相等返回True，否则返回False，返回的值的矩阵维度和A是一样的

103. correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(ys, 1))

104. # print(correct_prediction)

105. # tf.arg_max(input, axis=None, name=None, dimension=None) 是对矩阵按行或列计算最大值（axis：0表示按列，1表示按行）

106. accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) # 数据类型转换

107.  

108. print("start train")

109. sess.run(tf.global_variables_initializer())

110.  

111. for i in range(1500):

112. batch_x, batch_y = mnist.train.next_batch(50)

113. if i % 100 == 0:

114. train_accuracy = accuracy.eval(feed_dict={xs: batch_x, ys: batch_y, keep_prob: 1.0})

115. print('step:%d, training accuracy %g' % (i, train_accuracy))

116. train_step.run(feed_dict={xs: batch_x, ys: batch_y, keep_prob: 0.5})

117.  

118. # 测试

119. print(accuracy.eval({xs: mnist.test.images, ys: mnist.test.labels, keep_prob: 1.0}))

120.  

121. if __name__ == '__main__':

122. main()

结果看来没太大差别，效果没有什么提升

 

接下来保存和恢复参数

为了方便调试，节省训练时间，我把迭代次数调到了1000

训练时

1. saver = tf.train.Saver()

2.  

3. sess.run(tf.global_variables_initializer())

4.  

5. for i in range(1000):

6. batch_x, batch_y = mnist.train.next_batch(50)

7. if i % 100 == 0:

8. train_accuracy = accuracy.eval(feed_dict={xs: batch_x, ys: batch_y, keep_prob: 1.0})

9. print('step:%d, training accuracy %g' % (i, train_accuracy))

10. train_step.run(feed_dict={xs: batch_x, ys: batch_y, keep_prob: 0.5})

11. saver.save(sess, "input_data/model")

得到的文件

测试时

1. saver = tf.train.Saver()

2.  

3. sess.run(tf.global_variables_initializer())

4.  

5. saver.restore(sess, "input_data/model")

6. # 测试

7. print(accuracy.eval({xs: mnist.test.images, ys: mnist.test.labels, keep_prob: 1.0}))

直接得到测试结果