NO IMAGE

tensorflow筆記系列:
(一) tensorflow筆記:流程,概念和簡單程式碼註釋
(二) tensorflow筆記:多層CNN程式碼分析
(三) tensorflow筆記:多層LSTM程式碼分析
(四) tensorflow筆記:常用函式說明
(五) tensorflow筆記:模型的儲存與訓練過程視覺化
(六)tensorflow筆記:使用tf來實現word2vec


在之前的tensorflow筆記:流程,概念和簡單程式碼註釋 文章中,已經大概解釋了tensorflow的大概執行流程,並且提供了一個mnist資料集分類器的簡單實現。當然,因為結構簡單,最後的準確率在91%左右。似乎已經不低了?其實這個成績是非常不理想的。現在mnist的準確率天梯榜已經被刷到了99.5%以上。為了進一步提高準確率,官網還提供了一個多層的CNN分類器的程式碼。相比之前的一層神經網路,這份程式碼的主要看點倒不是多層,而是CNN,也就是卷積神經網路。

CNN的具體內容不再詳述,概述可以參考這裡,詳細資訊可以參見Convolutional Networks。一般來說,CNN網路的前幾層為卷積層和取樣層(或者說池化層),在若干層卷積和池化以後,還有若干層全連線層(也就是傳統神經網路),最後輸出分類資訊。大概的結構示意圖如下圖所示

此處輸入圖片的描述

可以看到,CNN相比與傳統神經網路,最大的區別就是引入了卷積層和池化層。這也是我們在程式碼中要著重看的地方。
在下面的程式碼中,卷積是使用tf.nn.conv2d, 池化使用tf.nn.max_pool,下面來詳細的講解一下這兩個函式的用法。


tf.nn.conv2d

這個函式的功能是:給定4維的input和filter,計算出一個2維的卷積結果。函式的定義為:

def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,
data_format=None, name=None):

前幾個引數分別是input, filter, strides, padding, use_cudnn_on_gpu, …下面來一一解釋
input:待卷積的資料。格式要求為一個張量,[batch, in_height, in_width, in_channels].
分別表示 批次數,影象高度,寬度,輸入通道數。
filter: 卷積核。格式要求為[filter_height, filter_width, in_channels, out_channels].
分別表示 卷積核的高度,寬度,輸入通道數,輸出通道數。
strides :一個長為4的list. 表示每次卷積以後卷積視窗在input中滑動的距離
padding :有SAME和VALID兩種選項,表示是否要保留影象邊上那一圈不完全卷積的部分。如果是SAME,則保留
use_cudnn_on_gpu :是否使用cudnn加速。預設是True


tf.nn.max_pool
進行最大值池化操作,而avg_pool 則進行平均值池化操作.函式的定義為:

def max_pool(value, ksize, strides, padding, data_format="NHWC", name=None):

value: 一個4D張量,格式為[batch, height, width, channels],與conv2d中input格式一樣
ksize: 長為4的list,表示池化視窗的尺寸
strides: 池化視窗的滑動值,與conv2d中的一樣
padding: 與conv2d中用法一樣。


具體的程式碼註釋如下:

# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================
"""A very simple MNIST classifier.
See extensive documentation at
http://tensorflow.org/tutorials/mnist/beginners/index.md
"""
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
# Import data
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('data_dir', '/tmp/data/', 'Directory for storing data') # 第一次啟動會下載文字資料,放在/tmp/data資料夾下
print(FLAGS.data_dir)
mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1) # 變數的初始值為截斷正太分佈
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
def conv2d(x, W):
"""
tf.nn.conv2d功能:給定4維的input和filter,計算出一個2維的卷積結果
前幾個引數分別是input, filter, strides, padding, use_cudnn_on_gpu, ...
input   的格式要求為一個張量,[batch, in_height, in_width, in_channels],批次數,影象高度,影象寬度,通道數
filter  的格式為[filter_height, filter_width, in_channels, out_channels],濾波器高度,寬度,輸入通道數,輸出通道數
strides 一個長為4的list. 表示每次卷積以後在input中滑動的距離
padding 有SAME和VALID兩種選項,表示是否要保留不完全卷積的部分。如果是SAME,則保留
use_cudnn_on_gpu 是否使用cudnn加速。預設是True
"""
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def max_pool_2x2(x):
"""
tf.nn.max_pool 進行最大值池化操作,而avg_pool 則進行平均值池化操作
幾個引數分別是:value, ksize, strides, padding,
value:  一個4D張量,格式為[batch, height, width, channels],與conv2d中input格式一樣
ksize:  長為4的list,表示池化視窗的尺寸
strides: 視窗的滑動值,與conv2d中的一樣
padding: 與conv2d中用法一樣。
"""
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32, [None, 784])
x_image = tf.reshape(x, [-1,28,28,1]) #將輸入按照 conv2d中input的格式來reshape,reshape
"""
# 第一層
# 卷積核(filter)的尺寸是5*5, 通道數為1,輸出通道為32,即feature map 數目為32
# 又因為strides=[1,1,1,1] 所以單個通道的輸出尺寸應該跟輸入影象一樣。即總的卷積輸出應該為?*28*28*32
# 也就是單個通道輸出為28*28,共有32個通道,共有?個批次
# 在池化階段,ksize=[1,2,2,1] 那麼卷積結果經過池化以後的結果,其尺寸應該是?*14*14*32
"""
W_conv1 = weight_variable([5, 5, 1, 32])  # 卷積是在每個5*5的patch中算出32個特徵,分別是patch大小,輸入通道數目,輸出通道數目
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.elu(conv2d(x_image, W_conv1)   b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
"""
# 第二層
# 卷積核5*5,輸入通道為32,輸出通道為64。
# 卷積前影象的尺寸為 ?*14*14*32, 卷積後為?*14*14*64
# 池化後,輸出的影象尺寸為?*7*7*64
"""
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.elu(conv2d(h_pool1, W_conv2)   b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
# 第三層 是個全連線層,輸入維數7*7*64, 輸出維數為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.elu(tf.matmul(h_pool2_flat, W_fc1)   b_fc1)
keep_prob = tf.placeholder(tf.float32) # 這裡使用了drop out,即隨機安排一些cell輸出值為0,可以防止過擬合
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# 第四層,輸入1024維,輸出10維,也就是具體的0~9分類
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) # 使用softmax作為多分類啟用函式
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices=[1])) # 損失函式,交叉熵
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 使用adam優化
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) # 計算準確度
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables()) # 變數初始化
for i in range(20000):
batch = mnist.train.next_batch(50)
if i%100 == 0:
# print(batch[1].shape)
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}))