TensorFlow实现卷积神经网络

我们人看到一幅图像，眨眼之间就知道图像中有什么，图像中的主体在干什么。但计算机不同，计算机看到的每一副图像都是一个数字矩阵。那我们怎么让计算机从一个个数字矩阵中得到有用的信息呢，比如边缘，角点？更甚一点，怎么让计算机理解图像呢？
对图像进行卷积，就是接近目标的第一步。

更多：TensorFlow…卷积神经网络…

上一期，我们用 Tensorflow 实现了 Kaggle 的手写识别项目，但准确率比较低，只有92%，这次我们打算把识别的准确率提升到98%以上。

为什么不是99%或者更高呢？因为92%到98%是比较容易的，而再从98%到99%是要费不少功夫的，一篇文章难以承载这么多内容，所以将会分成两篇文章，首先是从92%到98%，下一次是从98%到99%。

不要小看提升1%，越往后面，难度就越大。如果我们做到99%准确率，在Kaggle的手写识别这个项目上，也就进入了前25%了，可以说入门了。

一、回顾上期

上期我们学习了梯度下降、神经网络、损失函数、交叉熵等概念，然后用42000张图片数据训练了一个简单的神经网络，准确度92%。可以说，这只是一个 Hello World。

Hello World

二、如何进行改进

首先，这次我们将使用卷积神经网络来进行图片识别。众所周知，卷积神经网络对于图片识别是非常有效的。

这里我打算这样来构建这个卷积神经网络：

卷积层1+池化层1+卷积层2+池化层2+全连接1+Dropout 层+输出层

然而，什么是卷积神经网络？什么是卷积层、池化层、全连接层？Dropout 又是什么鬼？

1，什么是卷积神经网络？

我们人看到一幅图像，眨眼之间就知道图像中有什么，图像中的主体在干什么。但计算机不同，计算机看到的每一副图像都是一个数字矩阵。那我们怎么让计算机从一个个数字矩阵中得到有用的信息呢，比如边缘，角点？更甚一点，怎么让计算机理解图像呢？

对图像进行卷积，就是接近目标的第一步。

图像在计算机里的表示可能是这样的：

一张图片

对图像卷积，就是求卷积核作用在图像后，得到的图像对于该卷积核的累加数值。这些累加的数值可以代表这个图片的一些特征。

如果是针对猫进行识别，人可能知道猫头，猫尾巴等特征。CNN 对图片进行处理后，也会学习到一些特征，它可能不知道猫头、猫尾巴这些特征，但也会识别出一些我们可能看不出来的特征，CNN 通过这些学习到的特征去做判断。

2，什么是卷积层？

卷积层的作用是指对图片的矩阵进行卷积运算，得到一些数值，作为图片的某些特征。

3，什么是池化层？

池化曾的作用是对上层的数据进行采样，也就是只留下一部分，这样的作用是可以缩小数据量和模糊特征。

4，什么是全连接层？

全连接层就是连在最后的分类器。前面卷积层和池化层进行处理后，得到了很多的特征，全连接层使用这些特征进行分类。比如识别数字，那就是对0~9的十个类别进行分类。

5，Dropout 是什么？

Dropout 层是为了防止 CNN 对训练样本过拟合，而导致处理新样本的时候效果不好，采取的丢弃部分激活参数的处理方式。

这里对这些概念的解释都是比较简单的，如果希望详细了解，可以看知乎的这个链接：CNN卷积神经网络是什么？

三、 代码实现

1，数据处理

#ai8py.com

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plot
from tensorflow.examples.tutorials.mnist import input_data 
import pandas as pd

#1 加载数据集
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv").values

#2 把图片数据取出来，进行处理
x_train = train.iloc[:,1:].values
x_train = x_train.astype(np.float)

#3 给到的图片的灰度数值在0~255，这里将图片的信息控制在0~1之间
x_train = np.multiply(x_train, 1.0 / 255.0)

#4 计算图片的长和高，下面会用到
image_size = x_train.shape[1]
image_width = image_height = np.ceil(np.sqrt(image_size)).astype(np.uint8)

print('数据样本大小: (%g, %g)' % x_train.shape)
print ('图片的维度大小 => {0}'.format(image_size))
print ('图片长 => {0}\n图片高 => {1}'.format(image_width,image_height))

# 5把数据集的标签结果取出来
labels_flat = train[[0]].values.ravel()
labels_count = np.unique(labels_flat).shape[0]

#写一个对Label进行One_Hot处理的函数
def dense_to_one_hot(labels_dense, num_classes):
    num_labels = labels_dense.shape[0]
    index_offset = np.arange(num_labels) * num_classes
    labels_one_hot = np.zeros((num_labels, num_classes))
    labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1
    return labels_one_hot

# 6 对Label进行One_Hot处理
labels = dense_to_one_hot(labels_flat, labels_count)
labels = labels.astype(np.uint8)

print('标签({0[0]},{0[1]})'.format(labels.shape))
print ('图片标签举例：[{0}] => {1}'.format(25,labels[25]))
数据处理结果

2，定义模型结构

只用 TensorFlow 不使用封装更好的框架，是比较麻烦的，后面我们会使用封装更好的框架 Keras。

#7 把训练数据分为训练图片集和验证图片集

VALIDATION_SIZE = 2000

train_images = x_train[VALIDATION_SIZE:]
train_labels = labels[VALIDATION_SIZE:]

validation_images = x_train[:VALIDATION_SIZE]
validation_labels = labels[:VALIDATION_SIZE]

#8 设置批次大小，求得批次数量
batch_size = 100
n_batch = len(train_images)/batch_size


# 9 定义两个placeholder，用来承载数据，因为每个图片，都是一个784维的数据，所以我们的x是784列；
#   因为要把图片识别为0-9的10个数字，也就是有10个标签，所以y是10列
x = tf.placeholder(tf.float32,[None,784])
y = tf.placeholder(tf.float32,[None,10])


# 10 定义几个处理的函数
def weight_variable(shape):
    # 初始化权重，正态分布 标准方差为0.1
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)

def bias_variable(shape):
    # 初始化偏置值，设为非零避免死神经元
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)

    #对TensorFlow的2D卷积进行封装
def conv2d(x, W):
    # 卷积不改变输入的shape
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

    #对TensorFlow的池化进行封装
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                              strides=[1, 2, 2, 1], padding='SAME')


# 11 把输入变换成一个4d的张量，第二三个对应的是图片的长和宽，第四个参数对应的颜色
x_image = tf.reshape(x, [-1, 28, 28, 1])

# 12 计算32个特征，每3*3patch,第一二个参数指的是patch的size，第三个参数是输入的channels，第四个参数是输出的channels
W_conv1 = weight_variable([3,3, 1, 32])

# 13 偏差的shape应该和输出的shape一致，所以也是32
b_conv1 = bias_variable([32])

# 28*28的图片卷积时步长为1，随意卷积后大小不变，按2*2最大值池化，相当于从2*2块中提取一个最大值，
# 所以池化后大小为[28/2,28/2] = [14,14]，第二次池化后为[14/2,14/2] = [7,7]

# 14 对数据做卷积操作
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

# 15 对结果做池化，max_pool_2x2之后，图片变成14*14
h_pool1 = max_pool_2x2(h_conv1)

# 16 在以前的基础上，生成了64个特征
W_conv2 = weight_variable([6, 6, 32, 64])
b_conv2 = bias_variable([64]) 
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

# 17 max_pool_2x2之后，图片变成7*7
h_pool2 = max_pool_2x2(h_conv2)
h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])

# 18 构造一个全连接的神经网络，1024个神经元
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

# 19 做Dropout操作
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

# 20 把1024个神经元的输入变为一个10维输出
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2


# 21 创建损失函数,以交叉熵的平均值为衡量
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels = y, logits =y_conv ))

# 22  用梯度下降法优化参数
train_step_1 = tf.train.AdadeltaOptimizer(learning_rate=0.1).minimize(loss)
#train_step_2 = tf.train.AdadeltaOptimizer(learning_rate=5e-3).minimize(loss)

# 23 计算准确度
correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_conv,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

# 24 设置保存模型的文件名参数
global_step = tf.Variable(0,name = 'global_step', trainable = False)
saver = tf.train.Saver()

# 25 初始化变量
init = tf.global_variables_initializer()

3，进行训练

#ai8py.com

with tf.Session() as sess:
    # 26初始化
    sess.run(init)

    #这是载入以前训练好的模型的语句，有需要才用，注意把文件名改成成绩比较好的周期
    #saver.restore(sess,"model.ckpt-12")

    # 迭代20周期
    for epoch in range(1,20):

        for batch in range(n_batch):
            # 27 每次取出一个数据块进行训练
            batch_x = train_images[(batch)*batch_size:(batch+1)*batch_size]
            batch_y = train_labels[(batch)*batch_size:(batch+1)*batch_size]

            # 28 【重要】 这是最终运行整个训练模型的语句
            sess.run(train_step_1,feed_dict = {x:batch_x,y:batch_y,keep_prob: 0.5})


        # 29 每个周期计算一次准确度
        accuracy_n = sess.run(accuracy,feed_dict={ x: validation_images, y: validation_labels, keep_prob: 1.0})

        print ("第" + str(epoch+1)+"轮，准确度为："+str(accuracy_n))

        # 30 保存训练出来的模型，这样不用每次都从头开始训练了
        global_step.assign(epoch).eval()
        saver.save(sess,"model.ckpt",global_step = global_step)

四、生成结果

这里迭代20个周期：

然后我们使用这个模型对 Kaggle 的测试集进行预测，并生成 cvs 格式的结果。

import numpy as np
import pandas as pd 


with tf.Session() as sess:
    sess.run(init)

    saver.restore(sess,"model.ckpt-19")

    test_x = np.array(test,dtype = np.float32)

    conv_y_preditct= y_conv.eval(feed_dict={x:test_x[1:100,:],keep_prob:1.0})

    conv_y_preditct_all = list()
    for i in np.arange(100,28001,100):

        conv_y_preditct= y_conv.eval(feed_dict={x:test_x[i-100:i,:],keep_prob:1.0})

        test_pred = np.argmax(conv_y_preditct,axis = 1)

        conv_y_preditct_all=np.append(conv_y_preditct_all,test_pred)

    submission = pd.DataFrame({"ImageId":range(1,28001),"Label":np.int32(conv_y_preditct_all)})

    submission.to_csv("submission.csv",index = False)

这里建议跑30轮以上，因为在验证集上有98.35%准确率，上传到 Kaggle 往往就只有百分之九十七点几的准确率了。祝大家好运！

下一篇文章将会使用 Keras 对模型进行重构和优化，使得模型准确率达到99%以上，在 Kaggle 进入前20%。

发表评论

电子邮件地址不会被公开。 必填项已用*标注