Tensorflow实践：CNN实现MNIST手写识别模型

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：

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)

• input
  input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。
• filter
  filter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.

					#coding:utf-8
					import
					tensorflow
					as
					tf
					import
					MNIST_data.input_data
					as
					input_data
					import
					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)
					
						"""
						Dropout
						h_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0.5
					print(
					"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)
				

End.