Deep Learning-TensorFlow (1) CNN卷積神經網路_MNIST手寫數字識別程式碼實現詳解
import tensorflow.examples.tutorials.mnist.input_data as input_data
import time
# 計算開始時間
start = time.clock()
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
# sess = tf.InteractiveSession()
x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
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):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') # strides第0位和第3為一定為1,剩下的是卷積的橫向和縱向步長
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], #引數ksize是要執行取最值的切片在各個維度上的尺寸,四維陣列意義為[batch, height, width, channels]
strides=[1, 2, 2, 1], padding='SAME') #引數strides是取切片的步長,四維陣列意義為四個方向的步長,這裡height和width方向都為2,例如原本8x8的矩陣,用2x2切片去pool,會獲得5x5的矩陣輸出(SAME模式),有效的減少特徵維度。
#第一層卷積
#現在我們可以開始實現第一層了。它由一個卷積接一個max pooling完成。卷積在每個5x5的patch中算出32個特徵。
#卷積的權重張量形狀是[5, 5, 1, 32],前兩個維度是patch的大小,接著是輸入的通道數目,最後是輸出的通道數目。 而對於每一個輸出通道都有一個對應的偏置量
W_conv1 = weight_variable([5, 5, 1, 32]) # 5,5表示patch的大小,1輸入的通道數目(彩色圖片有r,g,b三個通道),32表示有多少個神經元(特徵)
b_conv1 = bias_variable([32])
#為了用這一層,我們把x變成一個4d向量,其第2、第3維對應圖片的寬、高,
#最後一維代表圖片的顏色通道數(因為是灰度圖所以這裡的通道數為1,如果是rgb彩色圖,則為3)。
x_image = tf.reshape(x, [-1,28,28,1]) #-1代表任何維度,這裡是樣本數量,MNIST的影象大小為28*28,由於是黑白的,只有一個in_channel。
#我們把x_image和權值向量進行卷積,加上偏置項,然後應用ReLU啟用函式,最後進行max pooling。
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
#第二層卷積
#為了構建一個更深的網路,我們會把幾個類似的層堆疊起來。第二層中,每個5x5的patch會得到64個特徵。
W_conv2 = weight_variable([5, 5, 32, 64]) # 這裡32是指上一層的輸出通道數目就是這一層的輸入的通道數目
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
# 輸入的是32個14x14的矩陣,權重體現了這層要輸出的矩陣個數為64。
# 卷積輸出64個12x12的矩陣,因為(14+2−4)/1
# 池化輸出64個7x7的矩陣,因為(12+2)/2
#密集連線層
#現在,圖片尺寸減小到7x7,我們加入一個有1024個神經元的全連線層,用於處理整個圖片。
#我們把池化層輸出的張量reshape成一些向量,乘上權重矩陣,加上偏置,然後對其使用ReLU。
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) #tf.matmul()表示矩陣相乘
#Dropout
# 為了減少過擬合,我們在輸出層之前加入dropout。我們用一個placeholder來代表一個神經元的輸出在dropout中保持不變的概率。這樣我們可以在訓練過程中啟用dropout,
# 在測試過程中關閉dropout。 TensorFlow的tf.nn.dropout操作除了可以遮蔽神經元的輸出外,還會自動處理神經元輸出值的scale。所以用dropout的時候可以不用考慮scale。
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
#輸出層
#最後,我們新增一個softmax層,把向量化後的圖片x和權重矩陣W相乘,加上偏置b,然後計算每個分類的softmax概率值。
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
#類別預測
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
#損失函式
#可以很容易的為訓練過程指定最小化誤差用的損失函式,我們的損失函式是目標類別和預測類別之間的交叉熵。
#訓練和評估模型
#損失函式
#可以很容易的為訓練過程指定最小化誤差用的損失函式,我們的損失函式是目標類別和預測類別之間的交叉熵。
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv)) # 計算交叉熵
# 使用adam優化器來以0.0001的學習率來進行微調
#train_step = tf.train.GradientDescentOptimizer(1e-3).minimize(cross_entropy)
train_step = tf.train.AdagradOptimizer(1e-4).minimize(cross_entropy)
# 判斷預測標籤和實際標籤是否匹配
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
# 啟動建立的模型,並初始化變數
sess = tf.Session()
sess.run(tf.global_variables_initializer())
for i in range(20000):
batch = mnist.train.next_batch(50) # batch 大小設定為50
if i%100 == 0:
train_accuracy = accuracy.eval(session=sess,feed_dict={
x:batch[0], y_: batch[1], keep_prob: 1.0})
print ("step %d, training accuracy %g"%(i, train_accuracy))
train_step.run(session=sess,feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print ("test accuracy %g"%accuracy.eval(session=sess,feed_dict={
x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
# 計算程式結束時間
end = time.clock()
print("running time is %g s" %(end-start))