更进一步，使用LSTM实现对手写数字识别

本文使用的tensorflow版本：1.4
tensorflow安装：pip install tensorflow

1、引言

今天这篇文章，我们使用LSTM来实现对手写数字的识别，由于LSTM常用于处理时间序列问题，所以对于一张28*28维的图片来说，我们可以把每一行当成一次输入，序列长度为行数，同时，我们取最后一个输出的输出作为预测结果。

2、代码实现

使用LSTM来实现对手写数字的识别，与使用CNN来实现类似，我们重点讲解LSTM实现的部分，完整代码我们会在最后给出。这里的LSTM采用最简单的，x输入到cell中，输出结果y。LSTM实现部分代码如下：

weights = {
    'in':tf.Variable(tf.random_normal([n_inputs,n_hidden_units])),
    'out':tf.Variable(tf.random_normal([n_hidden_units,n_classes]))
}

biases = {
    'in':tf.Variable(tf.constant(0.1,shape=[n_hidden_units,])),
    'out':tf.Variable(tf.constant(0.1,shape=[n_classes,]))
}


def RNN(X,weights,biases):
    # hidden layer for input to cell
    # X(128,28,28)
    X = tf.reshape(X,[-1,n_inputs])
    X_in = tf.matmul(X,weights['in']) + biases['in']
    X_in = tf.reshape(X_in,[-1,n_steps,n_hidden_units])

    lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(n_hidden_units,forget_bias=1.0,state_is_tuple=True)
    #这里生成的state是tuple类型的，因为声明了state_is_tuple参数
    init_state = lstm_cell.zero_state(batch_size,dtype=tf.float32)
    #time_major指时间点是不是在主要的维度，因为我们的num_steps在次维，所以定义为了false
    outputs,final_states = tf.nn.dynamic_rnn(lstm_cell,X_in,initial_state=init_state,time_major=False)

    #final_states[1] 就是短时记忆h
    results = tf.matmul(final_states[1],weights['out']) + biases['out']

    return results

首先，我们定义了网络中的参数weights和bias:

weights = {
    'in':tf.Variable(tf.random_normal([n_inputs,n_hidden_units])),
    'out':tf.Variable(tf.random_normal([n_hidden_units,n_classes]))
}

biases = {
    'in':tf.Variable(tf.constant(0.1,shape=[n_hidden_units,])),
    'out':tf.Variable(tf.constant(0.1,shape=[n_classes,]))
}

随后，我们定义了我们的网络结构，假设我们的batch_size是128，也就是说，我们一开始传入函数中的X的维数是(128,28,28)，三个数分别代表(batch_size,num_steps,input_size),由于只有二维的矩阵我们才可以进行相乘，所以首先对X进行了reshape操作。并与weights['in']相乘之后加上偏置项得到了我们lstm_cell的输入。这里的输入我们又reshape成(batch_size,num_steps,cell_size)的形状。

X = tf.reshape(X,[-1,n_inputs])
X_in = tf.matmul(X,weights['in']) + biases['in']
X_in = tf.reshape(X_in,[-1,n_steps,n_hidden_units])

随后，我们定义了我们的lstm_cell，使用的是tf.nn.rnn_cell.BasicLSTMCell，第一个参数是我们cell中神经元的个数，第二个参数是我们的遗忘系数，设置为1表明我们希望网络已开始能记得历史的信息，最后一个参数state_is_tuple=True表明我们希望网络不仅能够输出长时记忆，也能输出短时记忆，记忆返回的是一个tuple，第1个数代表长时记忆，第二个数表示短时记忆。

 lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(n_hidden_units,forget_bias=1.0,state_is_tuple=True)

随后，我们初始化了我们的初始状态：

init_state = lstm_cell.zero_state(batch_size,dtype=tf.float32)

然后，我们使用dynamic_rnn的方式得到了我们网络的输出outputs以及final_states。tf.nn.dynamic_rnn的第一个参数表示我们的cell，第二个参数表示cell的输入，time_major参数代表的意思是我们的主要维度是不是时间维度，也就是n_steps，由于我们的第一个维度代表的是batch_size，第二维才代表n_steps，所以这里设置为False。这里的final_states是一个包含两个数据的tuple，第一个代表长时记忆，第二个代表短时记忆，回想我们的LSTM网络结构，我们通过短时记忆在经过一个全联接层得到我们的输出，所以，我们通过final_states[1]与参数矩阵相乘并加上偏置项得到了我们最终的输出，最终的输出是一个十维的向量。

outputs,final_states = tf.nn.dynamic_rnn(lstm_cell,X_in,initial_state=init_state,time_major=False)

#final_states[1] 就是短时记忆h
results = tf.matmul(final_states[1],weights['out']) + biases['out']

return results

3、完整代码

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('MNIST_data',one_hot=True)


lr= 0.001
training_iters = 1000000
batch_size = 128

n_inputs = 28
n_steps = 28
n_hidden_units = 128
n_classes = 10



xs = tf.placeholder(tf.float32,[None,n_inputs,n_steps])
ys = tf.placeholder(tf.float32,[None,10])


weights = {
    'in':tf.Variable(tf.random_normal([n_inputs,n_hidden_units])),
    'out':tf.Variable(tf.random_normal([n_hidden_units,n_classes]))
}

biases = {
    'in':tf.Variable(tf.constant(0.1,shape=[n_hidden_units,])),
    'out':tf.Variable(tf.constant(0.1,shape=[n_classes,]))
}


def RNN(X,weights,biases):
    # hidden layer for input to cell
    # X(128,28,28)
    X = tf.reshape(X,[-1,n_inputs])
    X_in = tf.matmul(X,weights['in']) + biases['in']
    X_in = tf.reshape(X_in,[-1,n_steps,n_hidden_units])

    lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(n_hidden_units,forget_bias=1.0,state_is_tuple=True)
    #这里生成的state是tuple类型的，因为声明了state_is_tuple参数
    init_state = lstm_cell.zero_state(batch_size,dtype=tf.float32)
    #time_major指时间点是不是在主要的维度，因为我们的num_steps在次维，所以定义为了false
    outputs,final_states = tf.nn.dynamic_rnn(lstm_cell,X_in,initial_state=init_state,time_major=False)

    #final_states[1] 就是短时记忆h
    results = tf.matmul(final_states[1],weights['out']) + biases['out']

    return results

prediction = RNN(xs,weights,biases)

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=ys))

train_step = tf.train.AdamOptimizer(lr).minimize(cross_entropy)

correct_pred = tf.equal(tf.argmax(prediction,axis=1),tf.argmax(ys,axis=1))
accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))

init = tf.global_variables_initializer()

with tf.Session() as sess:

    sess.run(init)
    step = 0
    while step * batch_size < training_iters:
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        #一个step是一行
        batch_xs = batch_xs.reshape([batch_size,n_steps,n_inputs])
        sess.run(train_step,feed_dict={xs:batch_xs,ys:batch_ys})
        if step % 20 == 0:
            print(sess.run(accuracy, feed_dict={xs: batch_xs, ys: batch_ys}))

        step = step + 1