TensorFlow-2: 用 CNN 识别数字

作者: 不会停的蜗牛 | 来源:发表于2017-04-16 13:16 被阅读1007次

    本文结构:

    • CNN
    • 建立模型
    • code

    昨天只是用了简单的 softmax 做数字识别,准确率为 92%,这个太低了,今天用 CNN 来提高一下准确率。

    关于 CNN,可以看这篇:

    图解何为CNN

    简单看一个典型的 Deep CNN 由若干组 Convolution-ReLU-Pooling 层组成。

    这三层可以提取出有用的 pattern,但它们并不知道这些 pattern 是什么。
    所以接着是 Fully Connected 层,它可以对数据进行分类。

    在 CNN 中有几个重要的概念:

    • stride
    • padding
    • pooling

    stride,就是每跨多少步抽取信息。每一块抽取一部分信息,长宽就缩减,但是厚度增加。抽取的各个小块儿,再把它们合并起来,就变成一个压缩后的立方体。

    padding,抽取的方式有两种,一种是抽取后的长和宽缩减,另一种是抽取后的长和宽和原来的一样。

    pooling,就是当跨步比较大的时候,它会漏掉一些重要的信息,为了解决这样的问题,就加上一层叫pooling,事先把这些必要的信息存储起来,然后再变成压缩后的层:

    即 Pooling 层是用来降维的。
    经过 convolution 和 ReLU 的作用后,会有越来越复杂的形式,所以Pooling 层负责提取出最重要的 pattern,进而提高时间空间的效率。

    patch,就是小方块的长宽的像素,in size 是image的厚度为1,out size是输出的厚度为32:


    模型

    主要就是建立 2 组 convolution-pooling 层,全连接层,加 dropout 减小过拟合,得到预测值 y_conv:

    • 每一层建立 weight 和 bias,
    • 和上一层的输出值经过 conv2d 作用后,应用 ReLu 激活函数,
    • 再做 pooling 后得到的输出值传递给下一层

    code 和注释:

    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
    # number 1 to 10 data
    mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
    
    def compute_accuracy(v_xs, v_ys):
        global prediction
        y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1})
        correct_prediction = tf.equal(tf.argmax(y_pre,1), tf.argmax(v_ys,1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys, keep_prob: 1})
        return result
    
    # 产生随机变量,符合 normal 分布
    # 传递 shape 就可以返回weight和bias的变量
    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)
    
    # 定义2维的 convolutional 图层
    def conv2d(x, W):
        # stride [1, x_movement, y_movement, 1]
        # Must have strides[0] = strides[3] = 1
        # strides 就是跨多大步抽取信息
        return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')     
    
    # 定义 pooling 图层
    def max_pool_2x2(x):
        # stride [1, x_movement, y_movement, 1]
        # 用pooling对付跨步大丢失信息问题
        return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')        
    
    # define placeholder for inputs to network
    xs = tf.placeholder(tf.float32, [None, 784])        # 784=28x28
    ys = tf.placeholder(tf.float32, [None, 10])
    keep_prob = tf.placeholder(tf.float32)
    x_image = tf.reshape(xs, [-1, 28, 28, 1])           # 最后一个1表示数据是黑白的
    # print(x_image.shape)  # [n_samples, 28,28,1]
    
    ## 1. conv1 layer ##
    #  把x_image的厚度1加厚变成了32
    W_conv1 = weight_variable([5, 5, 1, 32])                # patch 5x5, in size 1, out size 32
    b_conv1 = bias_variable([32])
    # 构建第一个convolutional层,外面再加一个非线性化的处理relu
    h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)            # output size 28x28x32
    # 经过pooling后,长宽缩小为14x14
    h_pool1 = max_pool_2x2(h_conv1)                                     # output size 14x14x32
    
    ## 2. conv2 layer ##
    # 把厚度32加厚变成了64
    W_conv2 = weight_variable([5,5, 32, 64])                # patch 5x5, in size 32, out size 64
    b_conv2 = bias_variable([64])
    # 构建第二个convolutional层
    h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)            # output size 14x14x64
    # 经过pooling后,长宽缩小为7x7
    h_pool2 = max_pool_2x2(h_conv2)                                     # output size 7x7x64
    
    ## 3. func1 layer ##
    # 飞的更高变成1024
    W_fc1 = weight_variable([7*7*64, 1024])
    b_fc1 = bias_variable([1024])
    # [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]
    # 把pooling后的结果变平
    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)
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
    
    ## 4. func2 layer ##
    # 最后一层,输入1024,输出size 10,用 softmax 计算概率进行分类的处理
    W_fc2 = weight_variable([1024, 10])
    b_fc2 = bias_variable([10])
    prediction = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
    
    
    # the error between prediction and real data
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
                                                  reduction_indices=[1]))       # loss
    train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
    
    sess = tf.Session()
    # important step
    sess.run(tf.initialize_all_variables())
    
    for i in range(1000):
        batch_xs, batch_ys = mnist.train.next_batch(100)
        sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: 0.5})
        if i % 50 == 0:
            print(compute_accuracy(
                mnist.test.images, mnist.test.labels))
    

    学习资料:
    https://www.tensorflow.org/get_started/mnist/pros


    推荐阅读 历史技术博文链接汇总
    http://www.jianshu.com/p/28f02bb59fe5
    也许可以找到你想要的

    相关文章

      网友评论

      • 点点V:学霸的笔记,太棒了:+1:

      本文标题:TensorFlow-2: 用 CNN 识别数字

      本文链接:https://www.haomeiwen.com/subject/rgdaattx.html