Tensorflow之卷积神经网络（CNN）

come from : https://www.cnblogs.com/lizheng114/p/7498328.html

前馈神经网络的弊端

前一篇文章介绍过MNIST，是采用的前馈神经网络的结构，这种结构有一个很大的弊端，就是提供的样本必须面面俱到，否则就容易出现预测失败。如下图：

同样是在一个图片中找圆形，如果左边为训练样本，右边为测试样本，如果只训练了左边的情况，右边的一定会预测错误，然而在我们人眼看来，这两个圆形的特征其实是一样的，不过是移动了一个位置而已，但是因为前馈网络结构的原因，导致在做权重分配的时候，把更多的权重分配给了左上角，右下角分配的较少，所以在做最终预测，便会出现较大的误差。所以，我们需要在图片中找出圆形的特征，即使是变换了位置，这些特征仍然是一样的，这样既减少了训练成本，又提升了训练的效率。就好像写代码把公共的部分封装起来复用一样。这个时候卷积神经网络就隆重登场了。

卷积神经网络（CNN）

根据前面的论述，我们发现，样本可以理解为是一个特征集，我们要找出这个特征集并过滤掉重复的特征，以提升训练的效率，降低成本。那么，我们如何来找寻图片中的各个特征呢？让我们来看看卷积神经网络的结构就可以明白了。

卷积神经网络一般由：卷积层，池化层，全连接层组成。其中卷积和池化会根据不同的需要来做多次。

在介绍这些结构之前，先要说一下图片是如何用矩阵来表达的。看如下代码：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import PIL.Image as Image

import numpy as np

import pandas as pd

import os

import matplotlib.pyplot as plt

#颜色信息会被去除，如果要带颜色，则是三维数组

def imageToMatrix(filename):

# 读取图片

im = Image.open(filename)

# 显示图片

# im.show()

width, height = im.size

#灰度化

im = im.convert("L")

data = im.getdata()

data = np.matrix(data, dtype="float") / 255.0

new_data = np.reshape(data, (height, width))

return new_data

def matrixToImage(data):

data = data * 255.0

new_im = Image.fromarray(data)

return new_im

filename = "m2.png"

data = imageToMatrix(filename)

dataframe = pd.DataFrame(data=data)

dataframe.to_csv('out.csv', sep=' ', header=False, float_format='%.2f', index=False)

#后面是将矩阵转换为图片

#new_im = matrixToImage(data)

#plt.imshow(data, cmap=plt.cm.gray, interpolation="nearest")

#new_im.show()

代码所表达的意思就是将m2.png转换为矩阵（去掉色彩信息），将矩阵输出到out.csv文件中，然后我们将csv文件打开后，看看对比效果，如下图：

（csv文件）

（原图，50x50的png图片）

csv文件中的数字表示的是每一个点的亮度，越靠近1越亮。如果是彩色图片，则每个点都包含了RGB三种颜色（因为色彩可以认为是RGB三种颜色叠加在一起来表达的），将会变为一个三维数组。

1、卷积层

卷积层主要是使用过滤器（filter）找寻样本特征的一个过程。过滤器，又叫kernel或者filter，是一个表示权重的矩阵，听名字就可以知道（卷积神经网络的卷积层）这一层非常重要。

由浅入深，我们先讨论只含有灰度信息的图片，也就是图片的深度为1，这样使用得filter就只含有w（宽）和h（高）。

一般我们会使用2x2，3x3，5x5等（一般来说，图片越大，采用的过滤器都会大一点）矩阵来与图片矩阵中相应位置的子矩阵做“点积”，如下图（为了看得清楚我使用的是20x20的png）：

（注：矩阵的点积就是矩阵对应位置的元素做乘法，然后相加，例如上图黄色矩阵和蓝色矩阵做点积就是：1x0+1x0+1x0+1x0+1x1+1x0+1x0+1x0+1x0=1，这个1就是第一次卷积得到的矩阵的第一个元素的值）。

上图就是过滤器工作的方式，会向右以一定的步长来移动，到最右边以后，会以一定的步长(stride)来向下移动，直到整个图片结束。然后会得到一个新的矩阵，这个矩阵就是我们的特征矩阵。

所以，如果我们使用不同的过滤器（权重值不同）来对图片做卷积，就会得到图片不同的信息，比如：我如果使用

这样的过滤器，就可以得到图片的边缘特征。所以，一般在卷积层，都会使用多个过滤器来采集图片的特征。

这里有个链接可以观看不同过滤器卷积的过程。

不难发现，如果是20x20的矩阵，采用3x3，步长为1的话，一次卷积过后，矩阵会变为：18x18，那么如果多几个卷积层，那图片岂不是要被卷没了？所以为了让卷积不改变图片大小，增加了zero padding（0填充）的概念，就是往图片的四周补0，这样就不会改变图片大小了。这里有一个公式来计算卷积以后图片的大小：

(input size - filter size + 2 * zero padding size) / stride + 1

现在我们来看看带有RGB的图片如何做卷积。图片带有了R、G、B三种颜色通道，就变为了20x20x3，那么相应的过滤器也要带有三个通道，所以之前的3x3，就变成了3x3x3，如下图：

三个权重数值可以不同，然后做点积，结果就是：

Xr0 * Wr0 + Xr1 * Wr1 + Xr2 * Wr2 + Xr3 * Wr3 + Xr4 * Wr4 + Xr5 * Wr5 + Xr6 * Wr6 + Xr7 * Wr7 + Xr8 * Wr8 +

Xg0 * Wg0 + Xg1 * Wg1 + Xg2 * Wg2 + Xg3 * Wg3 + Xg4 * Wg4 + Xg5 * Wg5 + Xg6 * Wg6 + Xg7 * Wg7 + Xg8 * Wg8 +

Xb0 * Wb0 + Xb1 * Wb1 + Xb2 * Wb2 + Xb3 * Wb3 + Xb4 * Wb4 + Xb5 * Wb5 + Xb6 * Wb6 + Xb7 * Wb7 + Xb8 * Wb8 +

B（偏置量）

所以其实卷积最后得到的矩阵是：20x20。

经过卷积之后的矩阵，要做ReLU变换来增强拟合能力，ReLU可以保证得到的矩阵所有元素的取值都大于0。

2、池化层

在卷积过后，我们要将结果进行池化，池化层的目的就是为了降低不必要的冗余信息（downsampling），有两种池化操作：求最大和求平均，一般都采用求最大值得方式。

选取一个2x2的filter，然后将卷积后的矩阵分割为不同的块，选取步长为2，然后将里面的最大值取出来得到一个新的矩阵的过程，就是最大池化操作，如图：

那么，我们不禁会问，将其中的一些值舍弃掉，只留最大值，对判定结果有没有影响？

答案是会有一定影响，但是影响会比较小，因为选择的过滤器比图片本身要小很多，那经过过滤器筛选出来的特征本身也是很小的局部特征，而这些特征中，经过权值计算，权值比较小的值则表明对该局部特征的影响比较小，所以只保留影响最大的最大值，这样既能减少矩阵大小，而又不会对预测结果产生太大影响。

3、全连接层

即是将所有特征组合在一起组成一个一维数组的过程。

总体

至此，卷积神经网络的主要层级功能都介绍完毕了，我们来看看一种卷积神经网络的整体结构，如下图：

它采用了两个卷积层，两个池化层，一个全连接层来表达。

目前比较流行的卷积网络的结构有：

LeNet（1990年诞生的第一个成功的卷积神经网络的模型）、AlexNet、ZFNet、GoogLeNet、VGGNet、ResNet等，感兴趣的朋友可以自行搜索一下。

TensorFlow的官方例子

TensorFlow在对MNIST的图片集上采用了卷积神经网络来做图形识别，代码如下：

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

# coding=utf-8

# Disable linter warnings to maintain consistency with tutorial.

# pylint: disable=invalid-name

# pylint: disable=g-bad-import-order

from __future__ import absolute_import

from __future__ import division

from __future__ import print_function

import argparse

import sys

import tempfile

from tensorflow.examples.tutorials.mnist import input_data

import tensorflow as tf

FLAGS = None

def deepnn(x):

with tf.name_scope('reshape'):

x_image = tf.reshape(x, [-1, 28, 28, 1])

## 第一层卷积操作 ##

with tf.name_scope('conv1'):

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)

with tf.name_scope('pool1'):

h_pool1 = max_pool_2x2(h_conv1)

# Second convolutional layer -- maps 32 feature maps to 64.

## 第二层卷积操作 ##

with tf.name_scope('conv2'):

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)

with tf.name_scope('pool2'):

h_pool2 = max_pool_2x2(h_conv2)

## 第三层全连接操作 ##

with tf.name_scope('fc1'):

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)

with tf.name_scope('dropout'):

keep_prob = tf.placeholder(tf.float32)

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

## 第四层输出操作 ##

with tf.name_scope('fc2'):

W_fc2 = weight_variable([1024, 10])

b_fc2 = bias_variable([10])

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

return y_conv, keep_prob

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):

return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],

strides=[1, 2, 2, 1], padding='SAME')

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 main(_):

# Import data

mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)

# Create the model

# 声明一个占位符，None表示输入图片的数量不定，28*28图片分辨率

x = tf.placeholder(tf.float32, [None, 784])

# 类别是0-9总共10个类别，对应输出分类结果

y_ = tf.placeholder(tf.float32, [None, 10])

y_conv, keep_prob = deepnn(x)

with tf.name_scope('loss'):

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(labels=y_,

logits=y_conv)

cross_entropy = tf.reduce_mean(cross_entropy)

with tf.name_scope('adam_optimizer'):

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

with tf.name_scope('accuracy'):

correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))

correct_prediction = tf.cast(correct_prediction, tf.float32)

accuracy = tf.reduce_mean(correct_prediction)

graph_location = tempfile.mkdtemp()

print('Saving graph to: %s' % graph_location)

train_writer = tf.summary.FileWriter(graph_location)

train_writer.add_graph(tf.get_default_graph())

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

for i in range(20000):

batch = mnist.train.next_batch(50)

if i % 1000 == 0:

train_accuracy = accuracy.eval(feed_dict={

x: batch[0], y_: batch[1], keep_prob: 1.0})

print('step %d, training accuracy %g' % (i, train_accuracy))

train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print('test accuracy %g' % accuracy.eval(feed_dict={

x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

if __name__ == '__main__':

parser = argparse.ArgumentParser()

parser.add_argument('--data_dir', type=str,

default='/tmp/tensorflow/mnist/input_data',

help='Directory for storing input data')

FLAGS, unparsed = parser.parse_known_args()

tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

代码比较清楚，就不过多讲述了，基本就是：卷积->池化->卷积->池化->全连接->dropout->全连接->训练->测试。

注意到代码中的：with tf.name_scope('xxx'): 是在构建计算图，看其中的代码：

graph_location = tempfile.mkdtemp()

print('Saving graph to: %s' % graph_location)

train_writer = tf.summary.FileWriter(graph_location)

train_writer.add_graph(tf.get_default_graph())

是将计算图存储下来，打印出路径，我们找到相应的路径以后，在命令行中执行：

将地址复制到Chrome中，点击Graph标签，就可以看到计算图了。

上面的代码都跟是遵循我们之前介绍的卷积网络的卷积层，池化层，全连接层来组成的，其中多了一个dropout，如下：

with tf.name_scope('dropout'):

keep_prob = tf.placeholder(tf.float32)

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

dropout的目的是为了防止产生过拟合的问题，这里解释一下过拟合和欠拟合。

过拟合（overfitting）：当某个模型在经过训练后，过度的学习了训练集的噪音和干扰项，从而导致在测试集上表现很差，但是在训练集上表现很好，就称为过拟合。

欠拟合（underfitting）：值模型无论在测试集还是训练集上表现都不好，也就是说训练样本不够。

那么dropout如何来避免这些噪音的影响呢？通常做法是随机的将某些特征的权值置为0。

详细解释看这里：https://yq.aliyun.com/articles/68901

常见问题

1、官网的例子filter为什么要选32个？filter size为什么要选5x5？stride为什么要选2？

网上有人说是因为这些数字到底选多少是一门艺术和经验的总结。

2、在做卷积的时候，为什么可以使用同一个filter（权重矩阵），而不是每移动一步就换一个矩阵？

因为filter的作用在于将图片中的某一类特征卷积出来，将符合条件的特征都筛选出来。所以可以共享权值矩阵。

3、全连接层到底是做什么的？有什么用？

将之前的结果，例如官网例子中的第二轮pool2的结果 7x7x64，通过跟乘以权重矩阵（W），得到1024个元素的一维数组的过程。就跟之前讲MNIST一样，我们就是要通过训练来得到这个W的各个元素的值。这个值会影响预测结果。

4、卷积网络如何保证特征不变性（同样的特征不因位置改变而改变）？

因为对同一个图片来说，在同一深度同一卷积层下，权值是共享的，也就是说，相同的特征会被统一识别出来而不需要再次学习。

参考文章：

https://www.zhihu.com/question/39022858

http://cs231n.github.io/convolutional-networks/#case

http://www.sohu.com/a/132394579_714863

标签: TensorFlow, CNN, 深度学习, Deep Learning, 卷积神经网络