暑假第三天

CNN网络细节及代码实现手写数字识别

CNN的大体结构在第二天的博客里面已经说了，下面我以手写数字识别为例，具体分析一下

tensorflow里面自带有一个mnist的手写数字识别的数据集，这个数据集是ubyte格式的所以不能直接打开看，可以使用如下代码转化为png格式的：

import numpy as np
import struct

from PIL import Image
import os

data_file = 'D:\\Jupyter\\MNIST_data\\train-images.idx3-ubyte'
# It's 47040016B, but we should set to 47040000B
data_file_size = 47040016
data_file_size = str(data_file_size - 16) + 'B'

data_buf = open(data_file, 'rb').read()

magic, numImages, numRows, numColumns = struct.unpack_from(
    '>IIII', data_buf, 0)
datas = struct.unpack_from(
    '>' + data_file_size, data_buf, struct.calcsize('>IIII'))
datas = np.array(datas).astype(np.uint8).reshape(
    numImages, 1, numRows, numColumns)

label_file = 'D:\\Jupyter\\MNIST_data\\train-labels.idx1-ubyte'

# It's 60008B, but we should set to 60000B
label_file_size = 60008
label_file_size = str(label_file_size - 8) + 'B'

label_buf = open(label_file, 'rb').read()

magic, numLabels = struct.unpack_from('>II', label_buf, 0)
labels = struct.unpack_from(
    '>' + label_file_size, label_buf, struct.calcsize('>II'))
labels = np.array(labels).astype(np.int64)

datas_root = 'mnist_train'
if not os.path.exists(datas_root):
    os.mkdir(datas_root)

for i in range(10):
    file_name = datas_root + os.sep + str(i)
    if not os.path.exists(file_name):
        os.mkdir(file_name)

for ii in range(numLabels):
    img = Image.fromarray(datas[ii, 0, 0:28, 0:28])
    label = labels[ii]
    file_name = datas_root + os.sep + str(label) + os.sep + \
                'mnist_train_' + str(ii) + '.png'
    img.save(file_name)

28*28的图片

Step 0 导入Tensorflow

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

Step 1加载数据集MNIST

声明两个placeholder（占位符），用于存储神经网络的输入，输入包括image和label。这里加载的image是28*28也就是(784,)的shape。
<tf.Tensor ‘Placeholder_10:0’ shape=(?, 784) dtype=float32>
下面也使用到了One hot encoding原理非常简单

mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)
x = tf.placeholder(tf.float32,[None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])

Step 2 定义weights 和 bias

其实我不太懂他这句话是什么意思，但是CS231n里面有说到一点，在初始化权值的时候我们一般都是产生服从正态分布的随机值，在这里用tf.truncated_normal()。如果权值一样的话，神经元的作用就是相同的，收敛速度就会变慢。
如下函数的定义：
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
从截断的正态分布中输出随机值。 shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正太分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。

关于这个函数的详细说明可以看这个：
https://www.jianshu.com/p/e18fdc7b633a

#----Weight Initialization---#
#One should generally initialize weights with a small amount of noise for symmetry breaking, and to prevent 0 gradients通常应该用少量噪声初始化权重以进行对称性破坏，并防止0梯度

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)

Step 3 定义卷积层和Maxpooling

同样，为了代码的整洁，将卷积层和maxpooling封装起来。padding=‘SAME’表示使用padding，不改变图片的大小。
卷积的操作就靠tensorflow里面的这个函数完成：
tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

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

• 这里的x需要x 为 input 。要求为一个张量，shape为 [ batch, in_height, in_weight, in_channel ]其中batch为图片的数量，in_height 为图片高度，in_weight 为图片宽度，in_channel 为图片的通道数，灰度图该值为1，彩色图为3。
  这里的W为filter。
• 卷积核，要求也是一个张量，shape为 [ filter_height, filter_weight, in_channel, out_channels ]，其中 filter_height 为卷积核高度，filter_weight 为卷积核宽度，in_channel 是图像通道数 ，和 input 的 in_channel 要保持一致，out_channel 是卷积核数量。
• strides： 卷积时在图像每一维的步长，这是一个一维的向量，[ 1, strides, strides, 1]，第一位和最后一位固定必须是1
• padding： string类型，值为“SAME” 和 “VALID”，表示的是卷积的形式，是否考虑边界。"SAME"是考虑边界，不足的时候用0去填充周围，"VALID"则不考虑

#Convolution and Pooling
#Our convolutions uses a stride of one and are zero padded so that the output is the same size as the input.
#Our pooling is plain old max pooling over 2x2 blocks
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')

Step 4 reshape image数据

为了神经网络的layer可以使用image数据，我们要将其转化成4d的tensor: (Number, width, height, channels)因为上面说了，要是用tf.nn.conv2d这个函input 和 filter都必须是tensor

#To apply the layer, we first reshape x to a 4d tensor, with the second and third dimensions corresponding to image width and height,
#and the final dimension corresponding to the number of color channels.
x_image = tf.reshape(x, [-1,28,28,1])
# -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算

下面我们就要开始搭建CNN结构了。

Step 5 搭建第一个卷积层

使用32个5x5的filter，然后通过maxpooling。

#----first convolution layer----#
#he convolution will compute 32 features for each 5x5 patch. Its weight tensor will have a shape of [5, 5, 1, 32].
#The first two dimensions are the patch size,
#the next is the number of input channels, and the last is the number of output channels.
W_conv1 = weight_variable([5,5,1,32])

#We will also have a bias vector with a component for each output channel.
b_conv1 = bias_variable([32])

#We then convolve x_image with the weight tensor, add the bias, apply the ReLU function, and finally max pool.
#The max_pool_2x2 method will reduce the image size to 14x14.
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

Step 6 第二层卷积

使用64个5x5的filter。

#----second convolution layer----#
#The second layer will have 64 features for each 5x5 patch and input size 32.
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)
h_pool2 = max_pool_2x2(h_conv2)

Step 7 构建全链接层

需要将上一层的输出，展开成1d的神经层。

#----fully connected layer----#
#Now that the image size has been reduced to 7x7, we add a fully-connected layer with 1024 neurons to allow processing on the entire image
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)

Step 8 添加Dropout

加入Dropout层，可以防止过拟合问题。注意，这里使用了另外一个placeholder，可以控制在训练和预测时是否使用Dropout。

#-----dropout------#
#To reduce overfitting, we will apply dropout before the readout layer.
#We create a placeholder for the probability that a neuron's output is kept during dropout.
#This allows us to turn dropout on during training, and turn it off during testing.
keep_prob = tf.placeholder(tf.float32)
h_fc1_dropout = tf.nn.dropout(h_fc1, keep_prob)

Step 9 输入层

没有什么特别的，就是输出一个线性结果。

#----read out layer----#
W_fc2 = weight_variable([1024,10])
b_fc2 = bias_variable([10])
y_conv = tf.matmul(h_fc1_dropout, W_fc2) + b_fc2

Step 10 训练和评估

首先，需要指定一个cost function --cross_entropy，在输出层使用softmax。然后指定optimizer–adam。需要特别指出的是，一定要记得
tf.global_variables_initializer().run()初始化变量

在这里插入代码片