前言
本文假设大家对CNN、softmax原理已经比较熟悉,着重点在于使用Tensorflow对CNN的简单实践上。所以不会对算法进行详细介绍,主要针对代码中所使用的一些函数定义与用法进行解释,并给出最终运行代码。
数据集
数据集是MNIST,一个入门级的计算机视觉数据集,它包含各种手写数字图片:
每张图片包含28X28个像素点,标签即为图片中的数字。
问题
使用MNIST数据集进行训练,识别图片中的手写数字(0到9共10类)。
思路
使用一个简单的CNN网络结构如下,括号里边表示tensor经过本层后的输出shape:
输入层(28 * 28 * 1)
卷积层1(28 * 28 * 32)
pooling层1(14 * 14 * 32)
卷积层2(14 * 14 * 64)
pooling层2(7 * 7 * 64)
全连接层(1 * 1024)
softmax层(10)
具体的参数看后边的代码注释。
函数说明
在撸代码前,先对几个会用到的主要函数中的主要参数进行说明。
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
随机产生一个形状为shape的服从截断正态分布(均值为mean,标准差为stddev)的tensor。截断的方法根据官方API的定义为,如果单次随机生成的值偏离均值2倍标准差之外,就丢弃并重新随机生成一个新的数。
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
input
input是一个形状为 [batch, in_height, in_width, in_channels]
的tensor:
filter
filter是一个形状为 [filter_height, filter_width, in_channels, out_channels]
的tensor:
filter_height, filter_width
卷积核的高与宽。如卷积层1中的卷积核,filter_height, filter_width都为28。
in_channels
输入通道数量。
out_channels
输出通道的数量。如输入数据经过卷积层1后,通道数量从1变为32。
strides
strides是指滑动窗口(卷积核)的滑动规则,包含4个维度,分别对应input的4个维度,即每次在input tensor上滑动时的步长。其中batch和in_channels维度一般都设置为1,所以形状为 [1, stride, stride, 1]
。
padding
这个在之前的文章中说过,这里不再复述,看这里回顾。
tf.nn.max_pool(value, ksize, strides, padding, data_format=’NHWC’, name=None)
value
以tf.nn.conv2d()函数的参数input理解即可。
ksize
滑动窗口(pool)的大小尺寸,这里注意这个大小尺寸并不仅仅指2维上的高和宽,ksize的每个维度同样对应input的各个维度(只是大小,不是滑动步长),同样的,batch和in_channels维度多设置为1。如pooling层1的ksize即为 [1, 2, 2, 1]
,即用一个2*2的窗口做pooling。
strides
同tf.nn.conv2d()函数的参数strides。
padding
看 这里 。
tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)
这里不对dropout的算法进行描述,如果不知道自行百度。
代码
talk is cheap, show me the code.
import tensorflow as tfimport MNIST_data.input_data as input_dataimport time"""
权重初始化
初始化为一个接近0的很小的正数
"""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)"""
卷积和池化,使用卷积步长为1(stride size),0边距(padding size)
池化用简单传统的2x2大小的模板做max pooling
"""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')
start = time.clock() mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) """
第一层 卷积层
x_image(batch, 28, 28, 1) -> h_pool1(batch, 14, 14, 32)
"""x = tf.placeholder(tf.float32,[None, 784])
x_image = tf.reshape(x, [-1, 28, 28, 1]) 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)h_pool1 = max_pool_2x2(h_conv1)"""
第二层 卷积层
h_pool1(batch, 14, 14, 32) -> h_pool2(batch, 7, 7, 64)
"""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)"""
第三层 全连接层
h_pool2(batch, 7, 7, 64) -> h_fc1(1, 1024)
"""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)"""
Dropout
h_fc1 -> h_fc1_drop, 训练中启用,测试中关闭
"""keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)"""
第四层 Softmax输出层
"""W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)"""
训练和评估模型
ADAM优化器来做梯度最速下降,feed_dict中加入参数keep_prob控制dropout比例
"""y_ = tf.placeholder("float", [None, 10])
cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv)) train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction,"float"))
sess = tf.Session() sess.run(tf.initialize_all_variables()) for i in range(5000):
batch = mnist.train.next_batch(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, train_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})) end = time.clock() print("running time is %g s") % (end-start)
End
为了让大家能有更多的好文章可以阅读,36大数据联合华章图书共同推出「祈文奖励计划」,该计划将奖励每个月对大数据行业贡献(翻译or投稿)最多的用户中选出最前面的10名小伙伴,统一送出华章图书邮递最新计算机图书一本。投稿邮箱:[email protected]
点击查看:你投稿,我送书,「祈文奖励计划」活动详情>>>
如果有人质疑大数据?不妨把这两个视频转给他
视频:大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么
人人都需要知道 关于大数据最常见的10个问题
从底层到应用,那些数据人的必备技能
如何高效地学好 R?
一个程序员怎样才算精通Python?
排名前50的开源Web爬虫用于数据挖掘
33款可用来抓数据的开源爬虫软件工具
在中国我们如何收集数据?全球数据收集大教程
PPT:数据可视化,到底该用什么软件来展示数据?
干货|电信运营商数据价值跨行业运营的现状与思考
大数据分析的集中化之路 建设银行大数据应用实践PPT
【实战PPT】看工商银行如何利用大数据洞察客户心声?
六步,让你用Excel做出强大漂亮的数据地图
数据商业的崛起 解密中国大数据第一股——国双
双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV
金融行业大数据用户画像实践
“讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用,以中立、客观、专业、可信赖的态度,多层次、多维度地影响着最广泛的大数据人群
搜索「36大数据」或输入36dsj.com查看更多内容。
投稿/商务/合作:[email protected]