CNN 卷积神经网络

作者: 爱秋刀鱼的猫 | 来源:发表于2018-01-28 20:53 被阅读33次

CNN
深度学习笔记3：实现一个卷积神经网络
卷积神经网络
CNN网络简介
DataWhale-CV-task03字符识别模型
CNN基本算子与操作
卷积层（Convolution Layer）
caffe自学03
《神经网络与机器学习》笔记（三）
Pytorch_第十篇_我对卷积神经网络（CNN）的理解（包含例

CNN 卷积神经网络，我认为是深度学习里面最有意思，最excited的一部分。CNN和神经网络不一样的是，它增加了两个新的操作，一个是卷积，一个是池化。这给了CNN很强大的学习能力，在很多深度学习的场景下面，尤其是图像方面，取得了很好的效果。

先从卷积和池化说起

卷积
举个例子：

卷积运算

在tensorflow里面，有两种方式的卷积，一种是“same”，一种是“想不到了”。

+ tensorflow 代码实现卷积

池化
池化常见的方式有两种最大池化和平均池化。

带有 2×2 和过滤器的且步幅为 2 的最大池化的例子

为什么要使用卷积？

下面看一下CNN是怎么分辨输入的图像是x还是o，如果逐个像素点对比，那肯定是不行的。因为如果这个x发生一点微小的旋转，那么像素点的排列会发生一个很大的改变。比如，下图。

但是微小的旋转，并不会影响图片的局部性。（可以理解为这些特征依然存在，只不过是换了地方）如下图所示。通过卷积窗口的移动，依然可以有效的捕捉这些特征。

小结一下

对于图片的分类问题，CNN有效的解决。它不在意具体每个点的像素，而是通过一种叫卷积的手段，去**提取图片的特征。
对于CNN而言，第一步就是提取特征，卷积就是提取猜测特征的神奇手段。而我们不需要指定特征，任凭它自己去猜测。（通过大量的训练来让机器自己去学习）

一个简单的cnn网络

一个单步卷积的过程：

一个demo，cnn识别手写字符集

"""
卷积神经网络结构：
两个卷积层，两个全连接层

输入 [sample * 28 * 28 * 1 ] (灰度图)

[ 28 * 28 *1 ]  --> (32个卷积核，每个大小5*5*1,sample方式卷积) --> [ 28 * 28 * 32] --> (池化 2*2 ，步长2)--> [14 *14 *32]

[ 14 * 14 *32]  --> (64个卷积核，每个大小  5 * 5 * 32,sample方式卷积) -->  [14 * 14 *64] --> (池化 2*2 ，步长2)--> [7 * 7 *64] 

[ 7 * 7 * 64] --> reshape 成列向量 --> (7 * 7 * 64)

[sample * (7*7*64)]  全连接层1 weights:[7*7*64 , 1024]  --> [sample * 1024]

[sample * 1024]      全连接层2 weights:[1024,10]        -->  [sample *10]

输出：10个分类
"""

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

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)

def conv2d(x, W):
    # stride [1, x_movement, y_movement, 1]
    # Must have strides[0] = strides[3] = 1
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
    # stride [1, x_movement, y_movement, 1]
    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])/255.   # 28x28
ys = tf.placeholder(tf.float32, [None, 10])
keep_prob = tf.placeholder(tf.float32)

#把xs的形状变成[-1,28,28,1]，-1代表先不考虑输入的图片例子多少这个维度，后面的1是channel的数量
#因为我们输入的图片是黑白的，因此channel是1，例如如果是RGB图像，那么channel就是3。
x_image = tf.reshape(xs, [-1, 28, 28, 1])
# print(x_image.shape)  # [n_samples, 28,28,1]

#建立卷积层
## 本层我们的卷积核patch的大小是5x5，因为黑白图片channel是1所以输入是1，输出是32个featuremap ？？？ 32 是什么意思？
W_conv1 = weight_variable([5,5, 1,32])  # patch 5x5, in size 1, out size 32
b_conv1 = bias_variable([32])
#卷积运算
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) # output size 28x28x32
h_pool1 = max_pool_2x2(h_conv1)                                         # output size 14x14x32


W_conv2 = weight_variable([5,5, 32, 64]) # patch 5x5, in size 32, out size 64   ？？？ 64 是什么意思？
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) # output size 14x14x64
h_pool2 = max_pool_2x2(h_conv2)                                         # output size 7x7x64

#全连接层
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
# [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]
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)

## fc2 layer ##
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()


if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()
sess.run(init)

# 原来是1000 为了快一点 改成了1000
for i in range(500):
    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[:1000], mnist.test.labels[:1000]))