TensorFlow学习笔记2：构建CNN模型

亦凉 2022-06-02 07:37 224阅读 0赞

[**上篇博文**][Link 1]主要是TensorFlow的一个简单入门，并介绍了如何实现Softmax Regression模型，来对MNIST数据集中的数字手写体进行识别。

然而，由于Softmax Regression模型相对简单，所以最终的识别准确率并不高。下面将针对MNIST数据集构建更加复杂精巧的模型，以进一步提高识别准确率。

--------------------

## 深度学习模型 ##

TensorFlow很适合用来进行大规模的数值计算，其中也包括实现和训练深度神经网络模型。下面将介绍TensorFlow中模型的基本组成部分，同时将构建一个CNN模型来对MNIST数据集中的数字手写体进行识别。

### 基本设置 ###

在我们构建模型之前，我们首先加载MNIST数据集，然后开启一个TensorFlow会话(session)。

### 加载MNIST数据集 ###

TensorFlow中已经有相关脚本，来自动下载和加载MNIST数据集。（脚本会自动创建MNIST\_data文件夹来存储数据集）。下面是脚本程序：

from tensorflow.examples.tutorials.mnist import input_data
    mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

这里`mnist`是一个轻量级的类文件，存储了NumPy格式的训练集、验证集和测试集，它同样提供了数据中mini-batch迭代的功能。

### 开启TensorFlow会话 ###

TensorFlow后台计算依赖于高效的C++，与后台的连接称为一个会话(session)。TensorFlow中的程序使用，通常都是先创建一个图(graph)，然后在一个会话(session)里运行它。

这里我们使用了一个更为方便的类，`InteractiveSession`，这能让你在构建代码时更加灵活。`InteractiveSession`允许你做一些交互操作，通过创建一个计算流图([computation graph][])来部分地运行图计算。当你在一些交互环境（例如IPython）中使用时将更加方便。如果你不是使用`InteractiveSession`，那么你要在启动一个会话和运行图计算前，创建一个整体的计算流图。

下面是如何创建一个`InteractiveSession`：

import tensorflow as tf
    sess = tf.InteractiveSession()

### 计算流图(Computation Graph) ###

为了在Python中实现高效的数值运算，通常会使用一些Python以外的库函数，如NumPy。但是，这样做会造成转换Python操作的开销，尤其是在GPUs和分布式计算的环境下。TensorFlow在这一方面（指转化操作）做了优化，它让我们能够在Python之外描述一个包含各种交互计算操作的整体流图，而不是每次都独立地在Python之外运行一个单独的计算，避免了许多的转换开销。这样的优化方法同样用在了`Theano`和`Torch`上。

所以，以上这样的Python代码的作用是简历一个完整的计算流图，然后指定图中的哪些部分需要运行。关于计算流图的更多具体使用见[这里][computation graph]。

### Softmax Regression模型 ###

见[**上篇博文**][Link 1]。

### CNN模型 ###

Softmax Regression模型在MNIST数据集上91%的准确率，其实还是比较低的。下面我们将使用一个更加精巧的模型，一个简单的卷积神经网络模型(CNN)。这个模型能够达到99.2%的准确率，尽管这不是最高的，但已经足够接受了。

#### 权值初始化 ####

为了建立模型，我们需要先创建一些权值(w)和偏置(b)等参数，这些参数的初始化过程中需要加入一小部分的`噪声`以破坏参数整体的对称性，同时避免梯度为0.由于我们使用`ReLU`激活函数（[**详细介绍**][Link 2])），所以我们通常将这些参数初始化为很小的正值。为了避免重复的初始化操作，我们可以创建下面两个函数：

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(Convolution)和池化(Pooling) ####

TensorFlow同样提供了方便的卷积和池化计算。怎样处理边界元素？怎样设置卷积窗口大小？在这个例子中，我们始终使用`vanilla`版本。这里的卷积操作仅使用了滑动步长为1的窗口，使用0进行填充，所以输出规模和输入的一致；而池化操作是在2 \* 2的窗口内采用最大池化技术(max-pooling)。为了使代码简洁，同样将这些操作抽象为函数形式：

def conv2d(x, W):
      return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
    
    def max_pool_2x2(x):
      return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                            strides=[1, 2, 2, 1], padding='SAME')

其中，`padding='SAME'`表示通过填充0，使得输入和输出的形状一致。

#### 第一层：卷积层 ####

第一层是卷积层，卷积层将要计算出32个特征映射(feature map)，对每个5 \* 5的patch。它的权值tensor的大小为\[5, 5, 1, 32\]. 前两维是patch的大小，第三维时输入通道的数目，最后一维是输出通道的数目。我们对每个输出通道加上了偏置(bias)。

W_conv1 = weight_variable([5, 5, 1, 32])
    b_conv1 = bias_variable([32])

为了使得图片与计算层匹配，我们首先`reshape`输入图像`x`为4维的tensor，第2、3维对应图片的宽和高，最后一维对应颜色通道的数目。（**？第1维为什么是-1？**）

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

然后，使用`weight tensor`对`x_image`进行卷积计算，加上`bias`，再应用到一个`ReLU`激活函数，最终采用最大池化。

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
    h_pool1 = max_pool_2x2(h_conv1)

#### 第二层：卷积层 ####

为了使得网络有足够深度，我们重复堆积一些相同类型的层。第二层将会有64个特征，对应每个5 \* 5的patch。

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_pool2 = max_pool_2x2(h_conv2)

#### 全连接层 ####

到目前为止，图像的尺寸被缩减为7 \* 7，我们最后加入一个神经元数目为1024的全连接层来处理所有的图像上。接着，将最后的pooling层的输出reshape为一个一维向量，与权值相乘，加上偏置，再通过一个`ReLu`函数。

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)

整个CNN的网络结构如下图：

[![nfd2j9s.jpg][]][nfd2j9s.jpg]

#### Dropout ####

为了减少过拟合程度，在输出层之前应用`dropout`技术（即丢弃某些神经元的输出结果）。我们创建一个`placeholder`来表示一个神经元的输出在`dropout`时不被丢弃的概率。`Dropout`能够在训练过程中使用，而在测试过程中不使用。TensorFlow中的`tf.nn.dropout`操作能够利用`mask`技术处理各种规模的神经元输出。

keep_prob = tf.placeholder(tf.float32)
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

#### 输出层 ####

最终，我们用一个`softmax`层，得到类别上的概率分布。（与之前的`Softmax Regression`模型相同）。

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)

#### 模型训练和测试 ####

为了测试模型的性能，需要先对模型进行训练，然后应用在测试集上。和之前`Softmax Regression`模型中的训练、测试过程类似。区别在于：

1.  用更复杂的`ADAM`最优化方法代替了之前的梯度下降；
2.  增了额外的参数`keep_prob`在`feed_dict`中，以控制`dropout`的几率；
3.  在训练过程中，增加了log输出功能（每100次迭代输出一次）。

下面是程序：

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
    train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
    correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    sess.run(tf.initialize_all_variables())
    for i in range(20000):
      batch = mnist.train.next_batch(50)
      if i%100 == 0:
        train_accuracy = accuracy.eval(feed_dict={
            x:batch[0], y_: batch[1], keep_prob: 1.0})
        print("step %d, training accuracy %g"%(i, train_accuracy))
      train_step.run(feed_dict={
       x: batch[0], y_: batch[1], keep_prob: 0.5})
    
    print("test accuracy %g"%accuracy.eval(feed_dict={
        x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

最终，模型在测试集上的准确率大概为99.2%，性能上要优于之前的`Softmax Regression`模型。

#### 完整代码及运行结果 ####

利用CNN模型实现手写体识别的完整代码如下：

__author__ = 'chapter'
    
    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
    
    def weight_varible(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)
    
    def conv2d(x, W):
        return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
    
    def max_pool_2x2(x):
        return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
    
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    print("Download Done!")
    
    sess = tf.InteractiveSession()
    
    # paras
    W_conv1 = weight_varible([5, 5, 1, 32])
    b_conv1 = bias_variable([32])
    
    # conv layer-1
    x = tf.placeholder(tf.float32, [None, 784])
    x_image = tf.reshape(x, [-1, 28, 28, 1])
    
    h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
    h_pool1 = max_pool_2x2(h_conv1)
    
    # conv layer-2
    W_conv2 = weight_varible([5, 5, 32, 64])
    b_conv2 = bias_variable([64])
    
    h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
    h_pool2 = max_pool_2x2(h_conv2)
    
    # full connection
    W_fc1 = weight_varible([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)
    
    # dropout
    keep_prob = tf.placeholder(tf.float32)
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
    
    # output layer: softmax
    W_fc2 = weight_varible([1024, 10])
    b_fc2 = bias_variable([10])
    
    y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
    y_ = tf.placeholder(tf.float32, [None, 10])
    
    # model training
    cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv))
    train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
    
    correct_prediction = tf.equal(tf.arg_max(y_conv, 1), tf.arg_max(y_, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    
    sess.run(tf.initialize_all_variables())
    
    for i in range(20000):
        batch = mnist.train.next_batch(50)
    
        if i % 100 == 0:
            train_accuacy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
            print("step %d, training accuracy %g"%(i, train_accuacy))
        train_step.run(feed_dict = {x: batch[0], y_: batch[1], keep_prob: 0.5})
    
    # accuacy on test
    print("test accuracy %g"%(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0})))

运行结果如下图：

[![KIep4sT.png][]][KIep4sT.png]

--------------------

本文结束，感谢欣赏。

**欢迎转载，请注明本文的链接地址：**

[http://www.jeyzhang.com/tensorflow-learning-notes-2.html][http_www.jeyzhang.com_tensorflow-learning-notes-2.html]

**参考资料**

[TensorFlow: Deep MNIST for Experts][TensorFlow_ Deep MNIST for Experts]

[Link 1]: http://www.jeyzhang.com/tensorflow-learning-notes.html
[computation graph]: https://www.tensorflow.org/versions/r0.7/get_started/basic_usage.html#the-computation-graph
[Link 2]: https://en.wikipedia.org/wiki/Rectifier_%28neural_networks
[nfd2j9s.jpg]: http://i.imgur.com/nfd2j9s.jpg
[KIep4sT.png]: http://i.imgur.com/KIep4sT.png
[http_www.jeyzhang.com_tensorflow-learning-notes-2.html]: http://www.jeyzhang.com/tensorflow-learning-notes-2.html
[TensorFlow_ Deep MNIST for Experts]: https://www.tensorflow.org/versions/r0.7/tutorials/mnist/pros/index.html#deep-mnist-for-experts