前言：：LeNet是最早用于数字识别的CNN网络，本文就以数字识别为例，分析下这个最基本的CNN网络。
LeNet解析
网络结构如下图所示：
-
C1层是一个卷积层 6个特征图，每个特征图中的每个神经元与输入中55的邻域相连，特征图大小为2828 每个卷积神经元的参数数目：5*5=25个weight参数和一个bias参数
链接数目：（5*5+1）*6*（28*28）=122304个链接
参数共享：每个特征图内共享参数，因此参数总数：共（5*5*1）*6=156个参 数 -
S2层是一个下采样层 6个1414的特征图，每个图中的每个单元与C1特征图中的一个22邻域相连接， 不重叠。因此，S2中每个特征图的大小是C1中的特征图大小的1/4。 S2层每个单元的4个输入相加，乘以一个可训练参数w，再加上一个可训练偏 置b，结果通过sigmoid函数计算
连接数：（2*2+1）*1*14*14*6=5880个
参数共享：每个特征图内共享参数，因此有2*6=12个可训练参数 -
C3层是一个卷积层 16个卷积核，得到16张特征图，特征图大小为1010 每个特征图中的每个神经元与S2中某几层的多个5*5的邻域相连；
例如：对于C3层第0张特征图，其每一个节点与S2层的第0~2张特征图，总共 3个55个节点相连接。
-
S4层是一个下采样层 由16个5*5大小的特征图构成，特征图中的每个单元与C3中相应特征图的2*2 邻域相连接。
连接数：（2*2+1）*5*5*16=2000个
参数共享：特征图内共享参数，每个特征图中的每个神经元需要1个因子和一 个偏置，因此有2*16个可训练参数。 -
C5层是一个卷积层 120个神经元，可以看作120个特征图，每张特征图的大小为1*1
每个单元与S4层的全部16个单元的5*5邻域相连（S4和C5之间的全连接）
连接数=可训练参数：（5*5*16+1）*120=48120个 -
F6层是一个全连接层 有84个单元（之所以选这个数字的原因来自于输出层的设计），与C5层全连 接。
F6层计算输入向量和权重向量之间的点积，再加上一个偏置。
连接数=可训练参数：（120+1）*84=10164
84：stylized image：7*12
代码来还原上述层次如下：
def le_net(x, y):
# 1. 输入层
with tf.variable_scope('input1'):
# 将输入的x的格式转换为规定的格式
# [None, input_dim] -> [None, height, weight, channels]
net = tf.reshape(x, shape=[-1, 28, 28, 1])
# 2. 卷积层
with tf.variable_scope('conv2'):
# 卷积
# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None) => 卷积的API
# data_format: 表示的是输入的数据格式，两种：NHWC和NCHW，N=>样本数目，H=>Height, W=>Weight, C=>Channels
# input：输入数据，必须是一个4维格式的图像数据，具体格式和data_format有关，如果data_format是NHWC的时候，input的格式为: [batch_size, height, weight, channels] => [批次中的图片数目，图片的高度，图片的宽度，图片的通道数]；如果data_format是NCHW的时候，input的格式为: [batch_size, channels, height, weight] => [批次中的图片数目，图片的通道数，图片的高度，图片的宽度]
# filter: 卷积核，是一个4维格式的数据，shape: [height, weight, in_channels, out_channels] => [窗口的高度，窗口的宽度，输入的channel通道数(上一层图片的深度)，输出的通道数(卷积核数目)]
# strides：步长，是一个4维的数据，每一维数据必须和data_format格式匹配，表示的是在data_format每一维上的移动步长，当格式为NHWC的时候，strides的格式为: [batch, in_height, in_weight, in_channels] => [样本上的移动大小，高度的移动大小，宽度的移动大小，深度的移动大小],要求在样本上和在深度通道上的移动必须是1；当格式为NCHW的时候，strides的格式为: [batch,in_channels, in_height, in_weight]
# padding: 只支持两个参数"SAME", "VALID"，当取值为SAME的时候，表示进行填充，"在TensorFlow中，如果步长为1，并且padding为SAME的时候，经过卷积之后的图像大小是不变的"；当VALID的时候，表示多余的特征会丢弃；
net = tf.nn.conv2d(input=net, filter=get_variable('w', [5, 5, 1, 20]), strides=[1, 1, 1, 1], padding='SAME')
net = tf.nn.bias_add(net, get_variable('b', [20]))
# 激励 ReLu
# tf.nn.relu => max(fetures, 0)
# tf.nn.relu6 => min(max(fetures,0), 6)
net = tf.nn.relu(net)
# 3. 池化
with tf.variable_scope('pool3'):
# 和conv2一样，需要给定窗口大小和步长
# max_pool(value, ksize, strides, padding, data_format="NHWC", name=None)
# avg_pool(value, ksize, strides, padding, data_format="NHWC", name=None)
# 默认格式下：NHWC，value：输入的数据，必须是[batch_size, height, weight, channels]格式
# 默认格式下：NHWC，ksize：指定窗口大小，必须是[batch, in_height, in_weight, in_channels]， 其中batch和in_channels必须为1
# 默认格式下：NHWC，strides：指定步长大小，必须是[batch, in_height, in_weight, in_channels],其中batch和in_channels必须为1
# padding： 只支持两个参数"SAME", "VALID"，当取值为SAME的时候，表示进行填充，；当VALID的时候，表示多余的特征会丢弃；
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
# 4. 卷积
with tf.variable_scope('conv4'):
net = tf.nn.conv2d(input=net, filter=get_variable('w', [5, 5, 20, 50]), strides=[1, 1, 1, 1], padding='SAME')
net = tf.nn.bias_add(net, get_variable('b', [50]))
net = tf.nn.relu(net)
# 5. 池化
with tf.variable_scope('pool5'):
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
# 6. 全连接
with tf.variable_scope('fc6'):
# 28 -> 14 -> 7(因为此时的卷积不改变图片的大小)
net = tf.reshape(net, shape=[-1, 7 * 7 * 50])
net = tf.add(tf.matmul(net, get_variable('w', [7 * 7 * 50, 500])), get_variable('b', [500]))
net = tf.nn.relu(net)
# 7. 全连接
with tf.variable_scope('fc7'):
net = tf.add(tf.matmul(net, get_variable('w', [500, n_classes])), get_variable('b', [n_classes]))
act = tf.nn.softmax(net)
return act
详细代码可以从我的github网站下载：https://github.com/dctongsheng/Lenet/upload
网友评论