一、模型结构
本文只涉及利用Tensorflow实现CNN的手写数字识别,CNN的内容请参考:卷积神经网络(CNN)
MNIST数据集的格式与数据预处理代码input_data.py的讲解请参考 :Tutorial (2)
二、实验代码
# -*- coding:utf-8 -*-"""@Time : @Author: Feng Lepeng@File : mnist_cnn_tf_demo.py@Desc : 手写数字识别的CNN网络 LeNet注意：一般情况下，我们都是直接将网络结构翻译成为这个代码，最多稍微的修改一下网络中的参数（超参数、窗口大小、步长等信息）/demos/model-builder//#getting-started"""import mathimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# 数据加载mnist = input_data.read_data_sets('data/mnist', one_hot=True)# 手写数字识别的数据集主要包含三个部分：训练集(5.5w, mnist.train)、测试集(1w, mnist.test)、验证集(0.5w, mnist.validation)# 手写数字图片大小是28*28*1像素的图片(黑白)，也就是每个图片由784维的特征描述train_img = mnist.train.imagestrain_label = mnist.train.labelstest_img = mnist.test.imagestest_label = mnist.test.labelstrain_sample_number = mnist.train.num_examples# 相关的参数、超参数的设置# 学习率，一般学习率设置的比较小learn_rate_base = 1.0# 每次迭代的训练样本数量batch_size = 64# 展示信息的间隔大小display_step = 1# 输入的样本维度大小信息input_dim = train_img.shape[1]# 输出的维度大小信息n_classes = train_label.shape[1]# 模型构建# 1. 设置数据输入的占位符x = tf.placeholder(tf.float32, shape=[None, input_dim], name='x')y = tf.placeholder(tf.float32, shape=[None, n_classes], name='y')learn_rate = tf.placeholder(tf.float32, name='learn_rate')def learn_rate_func(epoch):"""根据给定的迭代批次，更新产生一个学习率的值:param epoch::return:"""return learn_rate_base * (0.9 ** int(epoch / 10))def get_variable(name, shape=None, dtype=tf.float32, initializer=tf.random_normal_initializer(mean=0, stddev=0.1)):"""返回一个对应的变量:param name::param shape::param dtype::param initializer::return:"""return tf.get_variable(name, shape, dtype, initializer)# 2. 构建网络def le_net(x, y):# 1. 输入层with tf.variable_scope('input1'):# 将输入的x的格式转换为规定的格式# [None, input_dim] -> [None, height, weight, channels]net = tf.reshape(x, shape=[-1, 28, 28, 1])# 2. 卷积层with tf.variable_scope('conv2'):# 卷积# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None) => 卷积的API# data_format: 表示的是输入的数据格式，两种：NHWC和NCHW，N=>样本数目，H=>Height, W=>Weight, C=>Channels# input：输入数据，必须是一个4维格式的图像数据，具体格式和data_format有关，如果data_format是NHWC的时候，input的格式为: [batch_size, height, weight, channels] => [批次中的图片数目，图片的高度，图片的宽度，图片的通道数]；如果data_format是NCHW的时候，input的格式为: [batch_size, channels, height, weight] => [批次中的图片数目，图片的通道数，图片的高度，图片的宽度]# filter: 卷积核，是一个4维格式的数据，shape: [height, weight, in_channels, out_channels] => [窗口的高度，窗口的宽度，输入的channel通道数(上一层图片的深度)，输出的通道数(卷积核数目)]# strides：步长，是一个4维的数据，每一维数据必须和data_format格式匹配，表示的是在data_format每一维上的移动步长，当格式为NHWC的时候，strides的格式为: [batch, in_height, in_weight, in_channels] => [样本上的移动大小，高度的移动大小，宽度的移动大小，深度的移动大小],要求在样本上和在深度通道上的移动必须是1；当格式为NCHW的时候，strides的格式为: [batch,in_channels, in_height, in_weight]# padding: 只支持两个参数"SAME", "VALID"，当取值为SAME的时候，表示进行填充，"在TensorFlow中，如果步长为1，并且padding为SAME的时候，经过卷积之后的图像大小是不变的"；当VALID的时候，表示多余的特征会丢弃；net = tf.nn.conv2d(input=net, filter=get_variable('w', [5, 5, 1, 20]), strides=[1, 1, 1, 1], padding='SAME')net = tf.nn.bias_add(net, get_variable('b', [20]))# 激励 ReLu# tf.nn.relu => max(fetures, 0)# tf.nn.relu6 => min(max(fetures,0), 6)net = tf.nn.relu(net)# 3. 池化with tf.variable_scope('pool3'):# 和conv2一样，需要给定窗口大小和步长# max_pool(value, ksize, strides, padding, data_format="NHWC", name=None)# avg_pool(value, ksize, strides, padding, data_format="NHWC", name=None)# 默认格式下：NHWC，value：输入的数据，必须是[batch_size, height, weight, channels]格式# 默认格式下：NHWC，ksize：指定窗口大小，必须是[batch, in_height, in_weight, in_channels]， 其中batch和in_channels必须为1# 默认格式下：NHWC，strides：指定步长大小，必须是[batch, in_height, in_weight, in_channels],其中batch和in_channels必须为1# padding： 只支持两个参数"SAME", "VALID"，当取值为SAME的时候，表示进行填充，；当VALID的时候，表示多余的特征会丢弃；net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')# 4. 卷积with tf.variable_scope('conv4'):net = tf.nn.conv2d(input=net, filter=get_variable('w', [5, 5, 20, 50]), strides=[1, 1, 1, 1], padding='SAME')net = tf.nn.bias_add(net, get_variable('b', [50]))net = tf.nn.relu(net)# 5. 池化with tf.variable_scope('pool5'):net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')# 6. 全连接with tf.variable_scope('fc6'):# 28 -> 14 -> 7(因为此时的卷积不改变图片的大小)net = tf.reshape(net, shape=[-1, 7 * 7 * 50])net = tf.add(tf.matmul(net, get_variable('w', [7 * 7 * 50, 500])), get_variable('b', [500]))net = tf.nn.relu(net)# 7. 全连接with tf.variable_scope('fc7'):net = tf.add(tf.matmul(net, get_variable('w', [500, n_classes])), get_variable('b', [n_classes]))act = tf.nn.softmax(net)return act# 构建网络act = le_net(x, y)# 构建模型的损失函数# softmax_cross_entropy_with_logits: 计算softmax中的每个样本的交叉熵，logits指定预测值，labels指定实际值cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=act, labels=y))# 使用Adam优化方式比较多# learning_rate: 要注意，不要过大，过大可能不收敛，也不要过小，过小收敛速度比较慢train = tf.train.AdamOptimizer(learning_rate=learn_rate).minimize(cost)# 得到预测的类别是那一个# tf.argmax:对矩阵按行或列计算最大值对应的下标，和numpy中的一样# tf.equal:是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的pred = tf.equal(tf.argmax(act, axis=1), tf.argmax(y, axis=1))# 正确率（True转换为1，False转换为0）acc = tf.reduce_mean(tf.cast(pred, tf.float32))# 初始化init = tf.global_variables_initializer()with tf.Session() as sess:# 进行数据初始化sess.run(init)# 模型保存、持久化saver = tf.train.Saver()epoch = 0while True:avg_cost = 0# 计算出总的批次total_batch = int(train_sample_number / batch_size)# 迭代更新for i in range(total_batch):# 获取x和ybatch_xs, batch_ys = mnist.train.next_batch(batch_size)feeds = {x: batch_xs, y: batch_ys, learn_rate: learn_rate_func(epoch)}# 模型训练sess.run(train, feed_dict=feeds)# 获取损失函数值avg_cost += sess.run(cost, feed_dict=feeds)# 重新计算平均损失(相当于计算每个样本的损失值)avg_cost = avg_cost / total_batch# DISPLAY 显示误差率和训练集的正确率以此测试集的正确率if (epoch + 1) % display_step == 0:print("批次: %03d 损失函数值: %.9f" % (epoch, avg_cost))# 这里之所以使用batch_xs和batch_ys，是因为我使用train_img会出现内存不够的情况，直接就会退出feeds = {x: batch_xs, y: batch_ys, learn_rate: learn_rate_func(epoch)}train_acc = sess.run(acc, feed_dict=feeds)print("训练集准确率: %.3f" % train_acc)feeds = {x: test_img, y: test_label, learn_rate: learn_rate_func(epoch)}test_acc = sess.run(acc, feed_dict=feeds)print("测试准确率: %.3f" % test_acc)if train_acc > 0.9 and test_acc > 0.9:saver.save(sess, './mnist/model')breakepoch += 1# 模型可视化输出writer = tf.summary.FileWriter('./mnist/graph', tf.get_default_graph())writer.close()
如果觉得《深度学习案例之基于 CNN 的 MNIST 手写数字识别》对你有帮助，请点赞、收藏，并留下你的观点哦！
