TensorFlow搭建CNN卷積神經網絡

TensorFlow搭建CNN卷積神經網絡

該教程採用TernsorFlow搭建CNN卷積神經網絡，並利用MNIST數據集進行數字的手寫識別

數據結構

• mnist原始圖片輸入，原始圖片的尺寸爲28×28，導入後會自動展開爲28×28=784的list

tensor : shape=[784]

---

• 卷積層輸入input_image: shape=[batch, height, width, channels]

bacth : 取樣數
height, width : 圖片的尺寸
channels : 圖片的深度；如果是灰度圖像，則爲1，rgb圖像，則爲3

---

• 卷積核filter: shape=[height, width, in_channels, out_channels]

height, width: 圖片的尺寸
in_channels: 圖片的深度
out_channels: 卷積核的數量

1. 對於in_channels，灰度圖爲1，rgb圖爲3

函數

TensorFlow自帶的CNN操作函數

• 卷積函數[tf.nn.conv2d(x, filter, strides=[1,1,1,1], padding=’SAME’)]

x: 卷積層輸入 shape=[batch, height, width, channels]
filter: 卷積核 shape=[height, width, in_channels, out_channels]
stride: 卷積步長 shape=[batch_stride, height_stride, width_stride, channels_stride]
padding: 控制卷積核處理邊界的策略

1. stride表示卷積核filter對應了input_image各維度下移動的步長；第一個參數對應input_image的batch方向上的移動步長，第二、三參數對應高寬方向上的步長，決定了卷積後圖像的尺寸，最後一個參數對應channels方向上的步長
2. padding=’SAME’表示給圖像邊界加上padding，讓filter卷積後的圖像尺寸與原圖相同；’VALID’表示卷積後imgaeHeight_aterFiltered=imageHeight_inital-filterHeight+strideHeight，寬同理

---

• 池化函數tf.nn.max_pool(x, k_size=[1,2,2,1], strides=[1,2,2,1], padding=’SAME’)

x: 池化輸入input_image: shape=[batch, height, width, channels]
ksize: 池化窗口的尺寸
strides: 池化步長
padding: 處理邊界策略

1. 池化輸入，tensor的shape同input_image, 一般爲卷積後圖像feature_map
2. ksize對應輸入圖像各維度的池化尺寸；第一個參數對應batch方向上的池化尺寸，第二、三參數對應圖像高寬上的池化尺寸，第四個參數對應channels方向上的池化尺寸，一般不在batch和channel方向上做池化，因此通常爲[1,height,width,1]
3. strides與padding同卷積函數tf.nn.conv2d()

---

爲了方便後續搭建，需要自己定義一些函數

• 卷積核filter初始化weight_variable(shape)

    def weight_variable(shape):
    initial=tf.truncated_normal(shape, mean=0.0, stddev=0.1)
    return tf.Variable(inital)

1. 對於CNN來說，weight實際上就是卷積核filter，因此shape應該與tf.nn.conv2d中filter的shape一致，即shape=[height, width, in_channels, out_channels]
2. tf.truncated_normal()表示截斷正態分佈，即保留[mean-2×stddev,mean+2×stddev]範圍內的隨機數，mean表示平均數，stddev爲方差

---

• 偏置初始化bias_variable(shape)

    def bias_variable(shape):
    initial=tf.constant(0,1,shape=shape)
    return tf.Vatiable(initial)

針對tensorFlow函數更詳細的使用，參見tensorFlow常用函數彙總

思路

詳細CNN過程

MNIST數據導入

代碼這一行就是用於下載mnist數據，實際操作過程往往會出現socket error，因此需要事先下載好

from tensorflow.examples.tutorials.mnist import input_data

1. 在程序的文件夾下建立MNIST_data文件夾，在執行完上述代碼後，會自動生成該文件夾
2. 進入MNIST_data文件後，從github上直接下載數據集合

cd MNIST_data
git clone https://github.com/HIPS/hypergrad.git
#下載完成後，將下載文件中data/mnist下所有數據copy進MNIST_data中即可

完整代碼

    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data

    #獲取mnist訓練集
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

    #交互式session
    sess = tf.InteractiveSession()

    #已將32×32的圖片展開成行向量，None代表該維度上數量不確定，程序中指的是取樣的圖像數量不確定
    x=tf.placeholder(tf.float32, shape=[None,784])
    #圖片的標籤
    y_label=tf.placeholder(tf.float32, shape=[None,10])  
    -------------------------------------------------------------------------
    #第一層網絡
    #reshape()將按照設定的shape=[-1,28,28,1]對x:shape=[None,784]的結構進行重新構建
    #參數-1代表該維度上數量不確定，由系統自動計算
    x_image = tf.reshape(x, shape=[-1,28,28,1]) 
    #32個卷積核，卷積核大小5×5
    W_conv1 = weight_variable([5,5,1,32])
    #32個前置，對應32個卷積核輸出
    b_conv1 = bias_varibale([32]) 

    #卷積操作 
    layer_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) 
    #池化操作
    layer_pool1 = tf.nn.max_pool(layer_conv1) 
    -------------------------------------------------------------------------
    #第二層網絡
    #64個卷積核，卷積核大小5×5，32個channel
    W_conv2 = weight_variable([5,5,32,64]) 
    #64個前置，對應64個卷積核輸出
    b_conv2 = bias_varibale([64]) 

    #卷積操作 
    layer_conv2 = tf.nn.relu(conv2d(layer_pool1, W_conv2) + b_conv2) 
    #池化操作
    layer_pool2 = tf.nn.max_pool(layer_conv2) 
    -------------------------------------------------------------------------
    #full-connected網絡
    #圖片尺寸變化28×28-->14×14-->7×7
    #該層設定1024個神經元
    layer_pool2_flat = tf.reshape(layer_pool2,[-1,7*7*64])

    W_fc1 = weight_variable([7*7*64,1024])
    b_fc1 = bias_variable([1024])

    h_fc1 = tf.nn.relu(tf.matmul(layer_pool2_flat, W_fc1) + b_fc1)
    -------------------------------------------------------------------------
    #droput網絡
    keep_prob = tf.placeholder(tf.float32)
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
    -------------------------------------------------------------------------
    #輸出層
    W_fc2 = weight_variable([1024,10])
    b_fc2 = bias_variable([10])

    y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop,W_fc2)+b_fc2)
    -------------------------------------------------------------------------
    #loss-function
    cross_entropy = -tf.reduce_sum(y_lable*tf.log(y_conv))
    #梯度下降
    train = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) 
    #tf.argmax(x,1)表示從x的第二維度選取最大值
    correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_lable,1)) 
    accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
    sess.run(tf.global_variables_initializer())
    -------------------------------------------------------------------------
    #訓練train
    #訓練3000次
    for i in range(3000) 
      #每次選取50訓練集
      batch = mnist.train.next_batch(50) 

      if i%100 == 0:
        train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_labe: batch[1], keep_prob: 1.0})
        print ("step %d, training accuracy %g"%(i, train_accuracy))

      train.run(feed_dict={x: batch[0], y_label: batch[1], keep_prob: 0.5})
      print ("test accuracy %g"%accuracy.eval(feed_dict={x: mnist.test.images, y_label: mnist.test.labels, keep_prob: 1.0}))

詳細代碼