用卷积神经网络实现数字图片识别的代码实践

作者: shaneZhang 分类: 机器学习的实践 发布时间: 2019-02-16 00:23

本实践采用了卷积神经网络实现数字图片识别的代码。三个文件分为前向传播的文件mnist_lenet_forward.py、反向传播的文件mnist_lenet_backward.py、测试文件mnist_lenet_test.py。在前向传播和反向传播的代码中加入了很详细的注释代码。整体文件运行过程为先执行python mnist_lenet_backward.py进行训练数据集,在训练数据集之后损失函数不断降低的情况下可以运行测试文件进行测试。下面是具体的代码过程。

#coding=utf-8
#mnist_lenet_forward.py
import tensorflow as tf

# 定义神经网络可以接收的图片的尺寸和通道数
IMAGE_SIZE = 28
NUM_CHANNELS = 1
# 定义第一层卷积核的大小和个数
CONV1_SIZE = 5
CONV1_KERNEL_NUM = 32
# 定义第二层卷积核的大小和个数
CONV2_SIZE = 5
CONV2_KERNEL_NUM = 64
# 定义第三层全连接层的神经元个数
FC_SIZE = 512
# 定义第四层全连接层的神经元个数
OUTPUT_NODE = 10

# 定义初始化网络权重函数
# shape:生成张量的维度
# regularizer: 正则化项的权重
def get_weight(shape,regularizer):
    # tf.truncated_normal 生成去掉过大偏离点的正态分布随机数的张量,stddev 是指定标准差
    w = tf.Variable(tf.truncated_normal(shape,stddev=0.1))
    # 为权重加入 L2 正则化,通过限制权重的大小,使模型不会随意拟合训练数据中的随机噪音
    if regularizer != None:
        tf.add_to_collection('losses',tf.contrib.layers.l2_regularizer(regularizer)(w))
    return w


# 定义初始化偏置项函数
# shape:生成张量的维
def get_bias(shape):
    # 统一将 bias 初始化为
    b = tf.Variable(tf.zeros(shape))
    return b

#卷积
# 定义卷积计算函数
# x: 一个输入 batch
# w: 卷积层的权重
def conv2d(x,w):
    # strides 表示卷积核在不同维度上的移动步长为 1,第一维和第四维一定是 1,这是因为卷积层的步长只对矩阵的长和宽有效;
    # padding='SAME'表示使用全 0 填充,而'VALID'表示不填充
    return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding='SAME')

#池化
# 定义最大池化操作函数
# x: 一个输入 batch
# ksize 表示池化过滤器的边长为 2,strides 表示过滤器移动步长是 2,'SAME'提供使用全 0 填充
def max_pool_2X2(x):
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

#前向传播的方法
#定义前向传播的过程
# x: 一个输入 batch
# train: 用于区分训练过程 True,测试过程 False
# regularizer:正则化项的权重
def forward(x,train,regularizer):
    # 实现第一层卷积层的前向传播过程
    # 初始化卷积核
    conv1_w = get_weight([CONV1_SIZE,CONV1_SIZE,NUM_CHANNELS,CONV1_KERNEL_NUM],regularizer)
    # 初始化偏置项
    con1_b = get_bias([CONV1_KERNEL_NUM])
    # 实现卷积运算
    conv1 = conv2d(x,conv1_w)
    # 对卷积后的输出添加偏置,并过 relu 非线性激活函数
    relu1 = tf.nn.relu(tf.nn.bias_add(conv1,con1_b))
    # 将激活后的输出进行最大池化
    pool1 = max_pool_2X2(relu1)

    # 实现第二层卷积层的前向传播过程,并初始化卷积层的对应变量
    # 该层每个卷积核的通道数要与上一层卷积核的个数一致
    conv2_w = get_weight([CONV2_SIZE,CONV2_SIZE,CONV1_KERNEL_NUM,CONV2_KERNEL_NUM],regularizer)
    conv2_b = get_bias([CONV2_KERNEL_NUM])
    # 该层的输入就是上一层的输出 pool1
    conv2 = conv2d(pool1,conv2_w)
    relu2 = tf.nn.relu(tf.nn.bias_add(conv2,conv2_b))
    pool2 = max_pool_2X2(relu2)

    # 将上一池化层的输出 pool2(矩阵)转化为下一层全连接层的输入格式(向量)
    # 得到pool2输出矩阵的维度,并存入list中,注意pool_shape[0]是一个 batch 的值
    pool_shap = pool2.get_shape().as_list()
    # 从 list 中依次取出矩阵的长宽及深度,并求三者的乘积就得到矩阵被拉长后的长度
    nodes = pool_shap[1] * pool_shap[2] * pool_shap[3]
    # 将 pool2 转换为一个 batch 的向量再传入后续的全连接
    reshaped = tf.reshape(pool2,[pool_shap[0],nodes])
    # 实现第三层全连接层的前向传播过程
    # 初始化全连接层的权重,并加入正则化
    fc1_w = get_weight([nodes,FC_SIZE],regularizer)
    # 初始化全连接层的偏置项
    fc1_b = get_bias([FC_SIZE])
    # 将转换后的 reshaped 向量与权重 fc1_w 做矩阵乘法运算,然后再加上偏置,最后再使用 relu 进行激活
    fc1 = tf.nn.relu(tf.matmul(reshaped,fc1_w) + fc1_b)
    # 如果是训练阶段,则对该层输出使用 dropout,也就是随机的将该层输出中的一半神经元置为无效,是为了避免过拟合而设置的,一般只在全连接层中使用
    if train:
        fc1 = tf.nn.dropout(fc1,0.5)

    # 实现第四层全连接层的前向传播过程,并初始化全连接层对应的变量
    fc2_w = get_weight([FC_SIZE,OUTPUT_NODE],regularizer)
    fc2_b = get_bias([OUTPUT_NODE])
    y = tf.matmul(fc1,fc2_w) + fc2_b

    return y


if __name__ == '__main__':
    print "AAAA"
#coding=utf-8
#mnist_lenet_backward.py
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import mnist_lenet_forward
import os
import numpy as np


# 定义训练过程中的超参数
# 一个 batch 的数量
BATCH_SIZE = 100
# 初始学习率
LEANRING_RATE_BASE = 0.005
# 学习率的衰减率
LEANRING_RATE_DECAY = 0.99
# 正则化项的权重
REGULARIZER = 0.0001
# 最大迭代次数
STEPS = 50000
# 滑动平均的衰减率
MOVING_AVERAGE_DEACY = 0.99
# 保存模型的路径
MODELS_SAVE_PATH = "./model/"
# 模型命名
MODEL_NAME  = "mnist_model"


# 训练过程
def backward(mnist):
    # x, y_是定义的占位符,需要指定参数的类型,维度(要和网络的输入与输出维度一致),类似于函数的形参,运行时必须传入值
    x = tf.placeholder(tf.float32,[BATCH_SIZE,mnist_lenet_forward.IMAGE_SIZE,mnist_lenet_forward.IMAGE_SIZE,mnist_lenet_forward.NUM_CHANNELS])
    y_ = tf.placeholder(tf.float32,[None,mnist_lenet_forward.OUTPUT_NODE])
    # 调用前向传播网络得到维度为10 的 tensor
    y = mnist_lenet_forward.forward(x,True,REGULARIZER)
    # 声明一个全局计数器,并输出化为 0
    global_step = tf.Variable(0,trainable=False)

    # 先是对网络最后一层的输出 y 做 softmax,通常是求取输出属于某一类的概率,其实就是一个num_classes大小的向量,
    # 再将此向量和实际标签值做交叉熵,需要说明的是该函数返回的是一个向量
    ce = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y,labels=tf.argmax(y_,1))
    # 再对得到的向量求均值就得到 loss
    cem = tf.reduce_mean(ce)
    # 添加正则化中的 losses
    loss = cem + tf.add_n(tf.get_collection("losses"))
    # 实现指数级的减小学习率,可以让模型在训练的前期快速接近较优解,又可以保证模型在训练后期不会有太大波动
    # 计算公式:decayed_learning_rate=learining_rate*decay_rate^(global_step/decay_steps)
    # 当 staircase=True 时,(global_step/decay_steps)则被转化为整数,以此来选择不同的衰减方式
    learning_rate = tf.train.exponential_decay(
        LEANRING_RATE_BASE,
        global_step,
        mnist.train.num_examples / BATCH_SIZE,
        LEANRING_RATE_DECAY,
        staircase=True
    )

    # 传入学习率,构造一个实现梯度下降算法的优化器,再通过使用 minimize 更新存储要训练的变量的列表来减小 loss
    train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss,global_step = global_step)
    # 实现滑动平均模型,参数 MOVING_AVERAGE_DECAY 用于控制模型更新的速度。训练过程中会对每一个变量维护一个影子变量,这个影子变量的初始值
    # 就是相应变量的初始值,每次变量更新时,影子变量就会随之更新
    ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DEACY,global_step)
    ema_op = ema.apply(tf.trainable_variables())
    # 将 train_step 和 ema_op 两个训练操作绑定到 train_op 上
    with tf.control_dependencies([train_step,ema_op]):
        train_op = tf.no_op(name="train")

    # 实例化一个保存和恢复变量的 saver
    saver = tf.train.Saver()

    # 创建一个会话,并通过 python 中的上下文管理器来管理这个会话
    with tf.Session() as sess:
        # 初始化计算图中的变量
        init_op = tf.global_variables_initializer()
        sess.run(init_op)

        # 通过 checkpoint 文件定位到最新保存的模型
        ckpt = tf.train.get_checkpoint_state(MODELS_SAVE_PATH)
        if ckpt and ckpt.model_checkpoint_path:
            # 加载最新的模型
            saver.restore(sess,ckpt.model_checkpoint_path)

        for i in range(STEPS):
            # 读取一个 batch 的数据
            xs,ys = mnist.train.next_batch(BATCH_SIZE)
            # 将输入数据 xs 转换成与网络输入相同形状的矩阵
            reshape_xs = np.reshape(xs,(BATCH_SIZE,mnist_lenet_forward.IMAGE_SIZE,mnist_lenet_forward.IMAGE_SIZE,mnist_lenet_forward.NUM_CHANNELS))
            # 喂入训练图像和标签,开始训练
            _,loss_value,step = sess.run([train_op,loss,global_step],feed_dict={x:reshape_xs,y_:ys})
            # 每迭代 100 次打印 loss 信息,并保存最新的模型
            if i % 100 == 0:
                print "After %d training steps,loss on training batch is %g" %(step,loss_value)
                saver.save(sess,os.path.join(MODELS_SAVE_PATH,MODEL_NAME),global_step=global_step)

def main():
    # 读入 mnist 数据
    mnist = input_data.read_data_sets("../data/",one_hot=True)
    backward(mnist)


if __name__ == '__main__':
    main()
# coding:utf-8
#mnist_lenet_test.py
import time
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import mnist_lenet_forward
import mnist_lenet_backward
import numpy as np

TEST_INTERVAL_SECS = 5


def test(mnist):
    # 创建一个默认图,在该图中执行以下操作(多数操作和 train 中一样
    with tf.Graph().as_default() as g:
        x = tf.placeholder(tf.float32, [
            mnist.test.num_examples,
            mnist_lenet_forward.IMAGE_SIZE,
            mnist_lenet_forward.IMAGE_SIZE,
            mnist_lenet_forward.NUM_CHANNELS])
        y_ = tf.placeholder(tf.float32, [None, mnist_lenet_forward.OUTPUT_NODE])
        y = mnist_lenet_forward.forward(x, False, None)

        ema = tf.train.ExponentialMovingAverage(mnist_lenet_backward.MOVING_AVERAGE_DEACY)
        ema_restore = ema.variables_to_restore()
        saver = tf.train.Saver(ema_restore)
        # 判断预测值和实际值是否相同
        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
        # 求平均得到准确率
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

        while True:
            with tf.Session() as sess:
                ckpt = tf.train.get_checkpoint_state(mnist_lenet_backward.MODELS_SAVE_PATH)
                if ckpt and ckpt.model_checkpoint_path:
                    saver.restore(sess, ckpt.model_checkpoint_path)
                    # 根据读入的模型名字切分出该模型是属于迭代了多少次保存的
                    global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
                    reshaped_x = np.reshape(mnist.test.images, (
                        mnist.test.num_examples,
                        mnist_lenet_forward.IMAGE_SIZE,
                        mnist_lenet_forward.IMAGE_SIZE,
                        mnist_lenet_forward.NUM_CHANNELS))
                    # 计算出测试集上准确率
                    accuracy_score = sess.run(accuracy, feed_dict={x: reshaped_x, y_: mnist.test.labels})
                    print("After %s training step(s), test accuracy = %g" % (global_step, accuracy_score))
                else:
                    print('No checkpoint file found')
                    return
            # 每隔 5 秒寻找一次是否有最新的模型
            time.sleep(TEST_INTERVAL_SECS)


def main():
    mnist = input_data.read_data_sets("../data/", one_hot=True)
    test(mnist)

if __name__ == '__main__':
    main()

上述三个文件的运行结果如下:

本页面支持AMP友好显示:用卷积神经网络实现数字图片识别的代码实践

如果觉得我的文章对您有用,请随意打赏。如果有其他问题请联系博主QQ(909491009)或者下方留言!

发表评论

电子邮件地址不会被公开。 必填项已用*标注