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%。