TensorFlow实践案例:CNN手写识别模型


前言

本文假设大家对CNN、softmax原理已经比较熟悉,着重点在于使用Tensorflow对CNN的简单实践上。所以不会对算法进行详细介绍,主要针对代码中所使用的一些函数定义与用法进行解释,并给出最终运行代码。如果对Tensorflow的一些基本操作不熟悉的话,推荐先看下极客学院的​ ​这篇文章​​再回来看本文。

数据集

数据集是MNIST,一个入门级的计算机视觉数据集,它包含各种手写数字图片:

每张图片包含28X28个像素点,标签即为图片中的数字。

问题

使用MNIST数据集进行训练,识别图片中的手写数字(0到9共10类)。

思路

使用一个简单的CNN网络结构如下,括号里边表示tensor经过本层后的输出shape:

  • 输入层(28 * 28 * 1)
  • 卷积层1(28 * 28 * 32)
  • pooling层1(14 * 14 * 32)
  • 卷积层2(14 * 14 * 64)
  • pooling层2(7 * 7 * 64)
  • 全连接层(1 * 1024)
  • softmax层(10)

具体的参数看后边的代码注释。

函数说明

在撸代码前,先对几个会用到的主要函数中的主要参数进行说明。

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

随机产生一个形状为shape的服从截断正态分布(均值为mean,标准差为stddev)的tensor。截断的方法根据官方API的定义为,如果单次随机生成的值偏离均值2倍标准差之外,就丢弃并重新随机生成一个新的数。

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

  • inputinput是一个形状为​​[batch, in_height, in_width, in_channels]​​的tensor:
  • batch
    每次batch数据的数量。
  • in_height,in_width
    输入矩阵的高和宽,如输入层的图片是28*28,则in_height和in_width就都为28。
  • in_channels
    输入通道数量。如输入层的图片经过了二值化,则通道为1,如果输入层的图片是RGB彩色的,则通道为3;再如卷积层1有32个通道,则pooling层1的输入(卷积层1的输出)即为32通道。
  • filterfilter是一个形状为​​[filter_height, filter_width, in_channels, out_channels]​​的tensor:
  • filter_height, filter_width
    卷积核的高与宽。如卷积层1中的卷积核,filter_height, filter_width都为28。
  • in_channels
    输入通道数量。
  • out_channels
    输出通道的数量。如输入数据经过卷积层1后,通道数量从1变为32。
  • strides
    strides是指滑动窗口(卷积核)的滑动规则,包含4个维度,分别对应input的4个维度,即每次在input tensor上滑动时的步长。其中batch和in_channels维度一般都设置为1,所以形状为​​[1, stride, stride, 1]​​。
  • padding
    这个在之前的文章中说过,这里不再复述,看这里回顾。

tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)

  • value
    以tf.nn.conv2d()函数的参数input理解即可。
  • ksize
    滑动窗口(pool)的大小尺寸,这里注意这个大小尺寸并不仅仅指2维上的高和宽,ksize的每个维度同样对应input的各个维度(只是大小,不是滑动步长),同样的,batch和in_channels维度多设置为1。如pooling层1的ksize即为​​[1, 2, 2, 1]​​,即用一个2*2的窗口做pooling。
  • strides
    同tf.nn.conv2d()函数的参数strides。
  • padding
    看这里。

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

这里不对dropout的算法进行描述,如果不知道自行百度。

  • x
    输入tensor。
  • keep_prob
    x中每个元素的输出概率,输出为原值或0。

代码

talk is cheap, show me the code.


登录后复制

#coding:utf-8import tensorflow as tfimport MNIST_data.input_data as input_dataimport time"""
权重初始化初始化为一个接近0的很小的正数"""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)"""卷积和池化,
使用卷积步长为1(stride size),0边距(padding size)池化用简单传统的2x2大小的模板做max pooling"""def conv2d(x, W):    
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding = 'SAME')    
# tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)    
# x(input)  : [batch, in_height, in_width, in_channels]    
# W(filter) : [filter_height, filter_width, in_channels, out_channels]    
# strides   : The stride of the sliding window for each dimension of input.    
#             For the most common case of the same horizontal and vertices strides, 
strides = [1, stride, stride, 1]def max_pool_2x2(x):    
return tf.nn.max_pool(x, ksize = [1, 2, 2, 1],                          
strides = [1, 2, 2, 1], padding = 'SAME')    
# tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)    
# x(value)              : [batch, height, width, channels]    
# ksize(pool大小)        : A list of ints that has length >= 4. 
The size of the window for each dimension of the input tensor.    
# strides(pool滑动大小)   : A list of ints that has length >= 4. 
The stride of the sliding window for each dimension of the input tensor.start = time.clock() 
#计算开始时间mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 
#MNIST数据输入"""第一层 卷积层x_image(batch, 28, 28, 1) -> h_pool1(batch, 14, 14, 32)"""x = tf
.placeholder(tf.float32,[None, 784])x_image = tf.reshape(x, [-1, 28, 28, 1]) 
#最后一维代表通道数目,如果是rgb则为3 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)# x_image -> [batch, in_height, in_width, in_channels]
#            [batch, 28, 28, 1]# W_conv1 -> [filter_height, filter_width, in_channels, out_channels]
#            [5, 5, 1, 32]# output  -> [batch, out_height, out_width, out_channels]#            
[batch, 28, 28, 32]h_pool1 = max_pool_2x2(h_conv1)# h_conv1 -> [batch, in_height, in_weight, in_channels]
#            [batch, 28, 28, 32]# output  -> [batch, out_height, out_weight, out_channels]
#            [batch, 14, 14, 32]"""第二层 卷积层h_pool1(batch, 14, 14, 32) -> h_pool2(batch, 7, 7, 64)"""
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)# h_pool1 -> [batch, 14, 14, 32]# W_conv2 -> [5, 5, 32, 64]# output  -> 
[batch, 14, 14, 64]h_pool2 = max_pool_2x2(h_conv2)# h_conv2 -> [batch, 14, 14, 64]# output  -> 
[batch, 7, 7, 64]"""第三层 全连接层h_pool2(batch, 7, 7, 64) -> h_fc1(1, 1024)""
"W_fc1 = weight_variable([7 * 7 * 64, 1024])b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])h_fc1 = tf.nn.relu(tf
.matmul(h_pool2_flat, W_fc1) + b_fc1)"""Dropouth_fc1 -> h_fc1_drop, 训练中启用,测试中关闭"""
keep_prob = tf.placeholder("float")h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)""
"第四层 Softmax输出层"""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)"""训练和评估模型ADAM优化器来做梯度最速下降,
feed_dict中加入参数keep_prob控制dropout比例"""y_ = tf.placeholder("float", 
[None, 10])cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv)) 
#计算交叉熵train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 
#使用adam优化器来以0.0001的学习率来进行微调correct_prediction = tf.equal(tf.argmax(y_conv,1), tf
.argmax(y_,1)) #判断预测标签和实际标签是否匹配accuracy = tf.reduce_mean(tf.cast(correct_prediction,
"float"))sess = tf.Session() #启动创建的模型sess.run(tf.initialize_all_variables()) 
#旧版本#sess.run(tf.global_variables_initializer()) #初始化变量for i in range(5000): 
#开始训练模型,循环训练5000次    batch = mnist.train.next_batch(50) #batch大小设置为50    
if i % 100 == 0:        train_accuracy = accuracy.eval(session = sess,                                       
feed_dict = {x:batch[0], y_:batch[1], keep_prob:1.0})        
print("step %d, train_accuracy %g" %(i, train_accuracy))    
train_step.run(session = sess, feed_dict = {x:batch[0], y_:batch[1],                   
keep_prob:0.5}) #神经元输出保持不变的概率 keep_prob 为0.5print("test accuracy %g" %accuracy.eval
(session = sess,      feed_dict = {x:mnist.test.images, y_:mnist.test.labels,                   
keep_prob:1.0})) #神经元输出保持不变的概率 keep_prob 为 1,即不变,一直保持输出end = time.clock() 

#计算程序结束时间print("running time is %g s") % (end-start)1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.
20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.52.53.54.
55.56.57.58.59.60.61.62.63.64.65.66.67.68.69.70.71.72.73.74.75.76.77.78.79.80.81.82.83.84.85.86.87.88.89.
90.91.92.93.94.95.96.97.98.99.100.101.102.103.104.105.106.107.108.109.110.111.112.113.114.115.116.117.118.
119.120.121.122.123.124.125.126.127.128.129.130.131.132.133.134.135.136.


免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删

QR Code
微信扫一扫,欢迎咨询~

联系我们
武汉格发信息技术有限公司
湖北省武汉市经开区科技园西路6号103孵化器
电话:155-2731-8020 座机:027-59821821
邮件:tanzw@gofarlic.com
Copyright © 2023 Gofarsoft Co.,Ltd. 保留所有权利
遇到许可问题?该如何解决!?
评估许可证实际采购量? 
不清楚软件许可证使用数据? 
收到软件厂商律师函!?  
想要少购买点许可证,节省费用? 
收到软件厂商侵权通告!?  
有正版license,但许可证不够用,需要新购? 
联系方式 155-2731-8020
预留信息,一起解决您的问题
* 姓名:
* 手机:

* 公司名称:

姓名不为空

手机不正确

公司不为空