卷積神經網絡CNN結構及TensorFlow實現

目錄

一、卷積神經網絡CNN的結構

1、卷積層CONV

 2、池化層POOL

3、全連接層FC

二、使用tensorflow Estimator構建CNN MNIST分類器

1、CNN模型函數

2、訓練和評估CNN分類器

---

一、卷積神經網絡CNN的結構

卷積神經網絡通常包含卷積層、池化層和全連接層，下面是利用CNN對圖片分類的結構圖示例：

1、卷積層CONV

過濾器：

     獲取輸入網絡層局部區域（包含輸入網絡層所有深度區域）的某方面特徵，過濾器移動覆蓋上層網絡的所有區域，輸出網絡層相同深度的數據共享同一個過濾器。如下圖所示，紅色局部區域，通過一個過濾器，對應一個（下一網絡層）藍色神經元，五個神經元代表應用了五個過濾器，分別獲取了五個方面的特徵。輸入層32*32*3，過濾器的大小爲5*5，每一個神經元參數個數爲5*5*3+1。

輸出層：

    輸出層長、寬計算 = (W-F+2P)/S+1

    W爲輸入層大小，F爲過濾器大小，P爲0填充維度，S爲滑動步長。以下圖爲例，只展示一維數據，輸入層爲5*5（W），過濾層爲3*3(F)，0填充維度爲1(P)。若步長爲1(S)，輸出層爲5*5；若步長爲2，輸出層爲3*3。其中[1,0,-1]是過濾器權重。

輸出層深度 = 過濾器個數

卷積層的計算過程：

下圖是一個卷積層計算過程，輸入層爲5*5*3，0填充維度爲1，過濾器大小爲3*3，移動步長爲2，過濾器個數爲2個，輸出層維度爲3*3*2 ( (5+2*1-3)/2+1=3 )。

卷積神經網絡與傳統神經網絡的區別在於相鄰兩層的連接方式，卷積神經網絡爲局部連接，傳統神經網絡爲全連接。卷積層涉及的參數個數爲（3*3*3+1）*2=56；如果爲傳統神經網絡，輸入層元素個數爲147，輸出層元素個數爲18，採用全連接，參數個數爲（147+1）*18=2664。

 2、池化層POOL

對卷積層提取的圖像數據進行向下採樣，以降低特徵圖的維度，從而減少參數個數以及縮短處理時間。

過濾器：

常用的過濾器大小爲2*2，步長爲2，對輸入的每個深度層的數據分別進行池化。常用的池化算法是最大池化，它會提取特徵圖的子區域，保留子區域的最大值，並捨棄其他所有值。以下圖所示採用最大池化，輸入層爲4*4，過濾器爲2*2，步長爲2，輸出層爲2*2。

 

 輸出層：

輸出層長計算=（W1-F）/S+1

輸出層寬計算=（H1-F）/S+1

輸出層深度計算=D1

W1爲輸入層的長，H1爲輸入層的寬，D1爲輸入層的深度，F爲過濾器大小，S爲滑動步長，通常沒有0填充。由於池化層對每層數據分別池化，所以輸出層的深度與輸入層深度相同。

如下圖所示，輸入層224*224*64，池化層過濾器爲2*2，步長爲2，輸出層爲112*112*64。( (224-2)/2+1=112 )

3、全連接層FC

對由卷積層提取並由池化層下采樣的特徵進行分類。全連接層中的每個節點都連接到前一層中的所有節點。

在CNN的最終全連接層中，模型中的每個目標類別都對應一個節點，並應用softmax激活函數，對每個節點生成一個介於0到1之間的值，表示爲該圖像屬於每個目標類別的概率。

二、使用tensorflow Estimator構建CNN MNIST分類器

1、CNN模型函數

CNN卷積神經網絡架構：

卷積層1：應用32個5*5過濾器（提取5*5像素的子區域），並應用ReLU激活函數

池化層1：使用2*2過濾器和步長爲2，執行最大池化運算

卷積層2：應用64個5*5過濾器，並應用ReLU激活函數

池化層2：使用2*2過濾器和步長爲2，執行最大池化運算

全連接層1：包含1024個神經元，其中丟棄正則化率爲0.4（任何指定元素在訓練期間被丟棄的概率爲0.4）

全連接層2：包含10個神經元，每個數字目標類別（0-9）對應一個神經元

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

# Imports
import numpy as np
import tensorflow as tf

tf.logging.set_verbosity(tf.logging.INFO)

def cnn_model_fn(features, labels, mode):
    """Model function for CNN."""
    # Input Layer--[batch_size, image_height, image_width, channels], batch_size=-1根據輸入值的數量動態計算此維度
    #MNIST 數據集由28*28像素的單色圖像組成
    input_layer = tf.reshape(features["x"], [-1, 28, 28, 1]) 

    # Convolutional Layer #1, padding=same:向輸入張量的邊緣添加0，使輸出張量與輸入張量具有相同的高度和寬度值
    #將32個5*5過濾器應用到輸入層，並應用RELU激活函數，輸出層爲28*28*32
    conv1 = tf.layers.conv2d(
      inputs=input_layer,
      filters=32,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)

    # Pooling Layer #1
    #使用2*2過濾器和步長2執行最大池化運算，輸出層爲14*14*32
    pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

    # Convolutional Layer #2 and Pooling Layer #2
    #將64個5*5過濾器應用到輸入層，並應用RELU激活函數，輸出層爲14*14*64
    conv2 = tf.layers.conv2d(
      inputs=pool1,
      filters=64,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)
    
    # Pooling Layer #2
    #使用2*2過濾器和步長2執行最大池化運算，輸出層爲7*7*64
    pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

    # Dense Layer #1
    #輸入張量爲扁平化後的特徵向量， 輸出層的神經元數量爲1024
    pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
    dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
    dropout = tf.layers.dropout(inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)#丟棄正則化，防止過擬合

    # Logits Layer #2
    #一個具有10個神經元的全連接層
    logits = tf.layers.dense(inputs=dropout, units=10)

    #生成預測--每個樣本的預測類別：介於0到9之間的數字；每個樣本屬於每個可能的目標類別的概率。
    predictions = {
      # Generate predictions (for PREDICT and EVAL mode)
      "classes": tf.argmax(input=logits, axis=1),
      # Add `softmax_tensor` to the graph. It is used for PREDICT and by the
      # `logging_hook`.
      "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
    }

    if mode == tf.estimator.ModeKeys.PREDICT:
        return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)

    # Calculate Loss (for both TRAIN and EVAL modes)
    loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits) #多類別分類問題，採用softmax交叉熵用作損失函數

    # Configure the Training Op (for TRAIN mode)
    #採用隨機梯度下降法優化損失函數，學習速率爲0.001
    if mode == tf.estimator.ModeKeys.TRAIN:
        optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001)
        train_op = optimizer.minimize(
            loss=loss,
            global_step=tf.train.get_global_step())
        return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)

    # Add evaluation metrics (for EVAL mode), 準確率指標
    eval_metric_ops = {"accuracy": tf.metrics.accuracy(labels=labels, predictions=predictions["classes"])}
    return tf.estimator.EstimatorSpec( mode=mode, loss=loss, eval_metric_ops=eval_metric_ops)

2、訓練和評估CNN分類器

加載訓練和測試數據：

# Load training and eval data
mnist = tf.contrib.learn.datasets.load_dataset("mnist")
train_data = mnist.train.images # Returns np.array
train_labels = np.asarray(mnist.train.labels, dtype=np.int32)
eval_data = mnist.test.images # Returns np.array
eval_labels = np.asarray(mnist.test.labels, dtype=np.int32)

創建Estimator，一種用於執行高級模型訓練、評估和推理的 TensorFlow 類

# Create the Estimator
mnist_classifier = tf.estimator.Estimator(model_fn=cnn_model_fn, model_dir="/tmp/mnist_convnet_model")

模型訓練

# Train the model
train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": train_data},
    y=train_labels,
    batch_size=100, #模型會在每一步訓練100個小批次樣本
    num_epochs=None,  #模型一直訓練，直到達到指定的訓練步數
    shuffle=True)   #隨機化處理訓練數據
mnist_classifier.train(
    input_fn=train_input_fn,
    steps=20000) #模型總共要訓練20000步

 模型評估

# Evaluate the model and print results
eval_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": eval_data},
    y=eval_labels,
    num_epochs=1,
    shuffle=False)
eval_results = mnist_classifier.evaluate(input_fn=eval_input_fn)
print(eval_results)

模型結果：

{'accuracy': 0.9726, 'global_step': 23052, 'loss': 0.08958568}

在測試數據集上的準確率達到97.3%

 

 

參考資料：

https://cs231n.github.io/convolutional-networks/#conv

https://www.tensorflow.org/tutorials/estimators/cnn#run_the_model