tensorflow入门学习,建立多层卷积网络模型,提升MNIST手写数字识别正确率到99%(三)

经过前面两节的介绍,已经对 tensorflow 有了一定的了解,这一节,将在前两节基础上进一步了解 tensorflow。

tensorflow 学习的回顾和总结


tensorflow学习,几个基本概念:图,会话,feed,fetch等 小节,提到计算需要再 session 里进行。这是因为,虽然在前端,我们使用 python 与 tensorflow 交互,但是我们都知道 python 是脚本语言,执行效率并不高,所以 tensorflow 实际上是靠更加高效的 C++ 后端进行计算的。方便的前端和高效的后端协同工作,这是 tensorflow 的一个特点,前端的我们可以使用 python 描述出一个 计算图 ,然后交给高效的 C++ 后端计算,前后端的连接就叫作 session

interactiveSession,顾名思义,就是一个 交互性质的会话,通过交互类,可以在运行图的时候,插入一些 计算图。启动一个交互session,可以利用下面代码:

import tensorflow as tf
sess = tf.InteractiveSession()

说起在 python 中实现高效的数值计算,比较常用的做法是使用 NumPy 一类的库,将比较复杂耗时的运算在 python 外部的高效环境中进行,例如 C C++ 等语言变现的代码。

然而,虽然这样可以在运算上提升效率,但是从外部环境切换回 python 时,数据交换仍然非常低效。如前面说的,tensorflow 也是在 python 外部环境进行的复杂数值计算,不过,为了减小计算后数据交换的低效,tensorflow 没有在 python 外部独立进行某个耗时计算,而是让使用者先用 python 描述交互操作图,然后将其全部完全运行在 python 外部。

构建更加精确的手写数字识别 tensorflow 模型


tensorflow学习,MNIST数据集的使用,识别手写数字实战项目(二) 小节,我们实现了约 91% 正确率的手写数字识别,这个正确率显然不够高。这一节,我们将利用多层卷积网络实现更加精确的手写数字识别。

1. 卷积

什么是卷积呢?我的理解卷积就是 移动乘积,下图较大网格表示一幅图片,有一个3 * 3 的卷积核。假设每次移动 1 个单位(步长 1)做乘积运算(当移动到边界时回到最左端并向下移动一个单位),经过计算后(经过卷积后)形成一个6 * 4的图。卷积常常用来提取特征,特别适合图片识别。

2. 池化

池化的概念与卷积类似,只不过它不是做乘积运算,而是取卷积核包围数据的特殊值(如最大值,平均值等)作为结果。通常,在卷积操作后,通过池化获得有用的特征,常用 2x2 最大值池化操作。

3. 权重初始化

建立模型后,剩下的工作内容主要就是计算权值和偏置了,这一点上一节说的比较清楚。所以,创建模型需要大量的权重和偏置项,下面的 python 代码即是实现权值初始化和偏置初始化的:

# 加入一点噪声是为了避免 0 梯度
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)

# 使用一个较小正数初始化,可以避免神经元输出恒 0(死神经元)
def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)

4. 卷积和池化

上面已经介绍了什么是卷积和池化,这里直接上代码

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')

卷积使用 1 步长(stride size),0 边距(padding size)的模板,保证输出和输入是同大小。池化用简单传统的 2x2 大小的模板做最大值池化。

5. 第一层卷积

第一层卷积由 卷积池化 组成,卷积在 5X5 的数据簇中计算出 32 个特征,卷积权重张量形状为 [5,5,1,32],前两个纬度是数据簇大小,1表示一个通道,因为咱们使用的数据集是灰度图像,只有一个数值。偏置量显然等于32:

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
x_image = tf.reshape(x, [-1,28,28,1])   # 图片尺寸 28*28
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)    # 使用 ReLU 神经元,大于0的值不变,小于0的值全部归零
h_pool1 = max_pool_2x2(h_conv1) # 池化卷积

6. 第二层卷积

构造更深的网络,第二层中,每个 5x5 的数据簇会得到 64 个特征。

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)

以上代码的意义可以参照第 5 小节。

7. 连接

现在,经过两次卷积,图片尺寸由 28x28 减小到 7x7 了,我们加入一个 1024 个神经元的全连接层,将各层连接起来。

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)

如上,池化层被 reshape 成一个向量,乘上权重值,再加上偏置,最后使用 ReLU 激活函数,都是很常规的操作。

8. 减少过拟合

为了减少过拟合,在输出层之前加入 dropout:

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

placeholder 代表一个神经元的输出在 dropout 中保持不变的概率。这样可以在训练过程中启用 dropout,在测试过程中关闭 dropout。 TensorFlow 的 tf.n
n.dropout 操作除了可以屏蔽神经元的输出外,还会自动处理神经元输出值的scale。所以用dropout的时候可以不
用考虑scale。

9. 输出层

和上一讲一样,最后,加上 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)

至此,一个多层的 tensorflow 卷积网络模型就构建完毕了。

测试模型


测试过程和上一讲几乎一致,只是这里用了更加复杂的ADAM优化器来做梯度最速下降,在 feed_dict 中加入额外的参数 keep_prob 来控制 dropout 比例。

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, "float"))
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})
运行以上的 tensorflow 模型,发现正确率大于 99%。这样,我们就完成了 tensorflow 多层卷积网络模型的设计和测试,大大提高了手写数字图片识别的正确率。
这一节,卷积池化提取图片特征说的不够清楚,下一节,将详解包括全连接层,ReLU函数在内的概念。
阅读更多:   tensorflow
暂无评论
  1. […] tensorflow入门学习,建立多层卷积网络模型,提升MNIST手写数字识别正确率到9… […]

  2. […] tensorflow入门学习,建立多层卷积网络模型,提升MNIST手写数字识别正确率到9… […]

添加新评论

icon_redface.gificon_idea.gificon_cool.gif2016kuk.gificon_mrgreen.gif2016shuai.gif2016tp.gif2016db.gif2016ch.gificon_razz.gif2016zj.gificon_sad.gificon_cry.gif2016zhh.gificon_question.gif2016jk.gif2016bs.gificon_lol.gif2016qiao.gificon_surprised.gif2016fendou.gif2016ll.gif