Tensorflow中CNN入门的手写数字识别是怎样的

31次阅读

共计 3564 个字符，预计需要花费 9 分钟才能阅读完成。

这篇文章给大家介绍 Tensorflow 中 CNN 入门的手写数字识别是怎样的，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

深度学习最令人兴奋的领域之一就是计算机视觉。通过卷积神经网络，我们已经能够创建自动驾驶汽车系统、面部检测系统和自动医学图像分析等等。我将向你展示卷积神经网络的基本原理以及如何自己创建一个对手写数字进行分类的系统。

卷积神经网络的功能似乎是人类大脑中生物功能的复制，早在 1959 年，David Hubel 和 Torsten Wiesel 对猫和猴进行了研究，这些研究揭示了动物视觉皮层的功能。他们发现的是，许多神经元具有小的局部接受性，即仅对整个视野的一小块有限区域起反应。他们发现某些神经元会对某些特定模式做出反应，例如水平线、垂直线和其他圆形。他们还发现其他神经元具有更大的感受野并且被更复杂的模式刺激，这些模式是由较低水平神经元收集的信息组合。这些发现奠定了我们现在称之为卷积神经网络的基础。接下来，我们逐一介绍卷积神经网络的组成。

1、卷积层

卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网路能从低级特征中迭代提取更复杂的特征。你可以将每个过滤器描绘成一个窗口，该窗口在图像的尺寸上滑动并检测属性。滤镜在图像上滑动的像素数量称为步幅。步幅为 1 意味着滤波器一次移动一个像素，其中 2 的步幅将向前跳过 2 个像素。

在上面的例子中，我们可以看到一个垂直线检测器。原始图像为 6 ×6，它使用 3 ×3 滤镜进行扫描，步长为 1，从而产生 4 ×4 尺寸输出。而过滤器仅对其视野左右列中的部分感兴趣。通过对图像的输入求和并乘以 3×3 滤波器的配置，我们得到 3 +1+2-1-7-5=-7。然后滤波器向右移动一步，然后计算 1 +0+3-2-3-1=-2。- 2 然后进入 - 7 右侧的位置。此过程将持续到 4 ×4 网格完成为止。之后，下一个特征图将使用它自己的唯一过滤器 / 内核矩阵计算自己的值。

2. 池化层

池化层的目标是通过聚合卷积层收集的值或所谓的子采样来进一步降低维度。除了为模型提供一些正则化的方案以避免过度拟合之外，这还将减少计算量。它们遵循与卷积层相同的滑动窗口思想，但不是计算所有值，而是选择其输入的最大值或平均值。这分别称为最大池化和平均池化。

这两个组件是卷积层的关键构建块。然后，你通常会重复此方法，进一步减少特征图的尺寸，但会增加其深度。每个特征图将专门识别它自己独特的形状。在卷积结束时，会放置一个完全连接的图层，其具有激活功能，例如 Relu 或 Selu，用于将尺寸重新整形为适合的尺寸送入分类器。例如，如果你的最终转换层为 3x3x128 矩阵，但你只预测 10 个不同的类，则需要将其重新整形为 1 ×1152 向量，并在输入分类器之前逐渐减小其大小。完全连接的层也将学习它们自己的特征，如在典型的深度神经网络中。

现在让我们看看在 MNIST 手写数字数据集上的 Tensorflow 中的实现。首先，我们将加载我们的库。使用 sklearn 中的 fetch_mldata，我们加载 mnist 数据集并将图像和标签分配给 x 和 y 变量。然后我们将创建我们的训练 / 测试装置。最后，我们将举几个例子来了解任务。

接下来，我们将进行一些数据增强，这是提高模型性能的可靠方法。通过创建训练图像的轻微变化，可以为模型创建正则化。我们将使用 Scipy 的 ndimage 模块将图像向右、向左、向上和向下移动 1 个像素。这不仅提供了更多种类的例子，而且还会大大增加我们训练集的大小。

我将向你展示的最后一种数据增强的方式：使用 cv2 库创建图像的水平翻转。我们还需要为这些翻转图像创建新标签，这与复制原始标签一样简单。

设置“flipCode = 0”将产生垂直翻转

接下来，我们将创建一个辅助函数，用于将随机微型批次提供给我们的神经网络输入。由于卷积层的性质，它们在前向和后向传播步骤期间需要大量的存储器。考虑具有 4 ×4 滤镜的图层，输出 128 步幅为 1 的特征图和具有尺寸 299×299 的 RGB 图像输入的 SAME 填充。参数的数量将相等（4x4x3+1）x128 = 6272. 现在考虑这 128 个特征图中的每一个都计算 299×299 个神经元，并且这些神经元中的每一个都计算 4x4x3 输入的加权和。这意味着我们需要 4x4x3x299x299x150=643,687,200 次计算，这只是一个训练的例子。

现在我们开始创建我们的网络架构。首先，我们为我们的培训数据 / 特征创建占位符。我们需要将它们重新整形为（-1,28,28,1）矩阵，因为 tensorflow conv2d 层需要 4 维输入。我们将第一个维度设置为“null”，以允许将任意批量大小提供给占位符。

接着我们设计我们的卷积层，我是从 Le-NET5（由 Yann LeCun 开创）网络架构中获取灵感，该架构因其在手写数字分类方面成功而闻名。我建议你研究 Le-NET5 以及其他经过验证的模型，这样就可以了解哪种卷积网络适用于不同的任务。链接：http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf。

我们模型卷积层的第一层由 12 个特征图组成，使用 3 ×3 过滤器，步幅为 1。我们选择了 SAME 填充，通过在输入周围添加一个零填充来保持图像的尺寸。然后，我们设置最大池化层使用 3 ×3 过滤器，步幅为 1，这将输出 13x13x12 矩阵。所以我们从一个 28x28x1 的图像开始，然后我们将这个矩阵传递给第二个转换层，第二个转换层具有 3 ×3 过滤器的深度，stride= 1 和 SAME 填充。这将输出一个 6 *6*16 维矩阵。你可以看到我们正在缩小特征图的维度空间，但要更深入。接下来，我们使用 Selu 函数激活两个密集层来减少每层输入的数量大约一半，直到最终将它们输入我们的 logits。

接着我们创建我们的损失函数，在这种情况下，它将是 softmax 交叉熵，它将输出多类概率。你可以将交叉熵视为各种数据点之间距离的度量。我们选择 AdamOptimizer（自适应矩估计），当梯度下降时自动调整它的学习率。最后，我们创建了一种评估结果的方法。Tensorflow 的 in_top_k 函数将计算我们的 logits 并选择最高分。然后我们使用我们的准确度变量输出 0 -1%之间的百分比。

现在我们已经为训练阶段做好了准备，让我们看看我们的模型表现得如何。

在第 19epoch，我们的正确率在 0.9907。这已经比任何机器学习算法的结果更好，因此卷积已经取得了领先。现在让我们尝试使用我们的移位功能 / 翻转功能，并为我们的网络添加两个新元素：dropout 和批量标准化。

我们使用 placeholder_with_default 节点修改现有占位符，这些节点将保存批量标准化和 dropout 层生成的值。在训练期间，我们将这些值设置为 True，在测试期间，我们将通过设置为 False 将其关闭。

批量标准化只是简单地对每批次的数据进行标准化。我们指定了 0.9 的动量。而 dropout 和正则化指定动量为 1 才能在训练期间完全随机地关闭节点。这导致其余节点必须松弛，从而提高其有效性。想象一下，一家公司决定每周随机选择 50 名员工留在家里。其余的工作人员将不得不有效地处理额外的工作，提高他们在其他领域的技能。

接着我们创建我们的损失函数，训练步骤和评估步骤，然后对我们的执行阶段进行一些修改。通过批量标准化执行的计算在每次迭代期间保存为更新操作。为了访问这些，我们分配一个变量 extra_update_ops = tf.get_collection（tf.GraphKeys.UPDATE_OPS）。在我们的训练操作期间，我们将其作为列表项与 training_op 一起提供给 sess.run。最后，在执行验证 / 测试预测时，我们通过 feed_dict 为占位符分配 False 值。我们不希望在预测阶段有任何随机化。为了获得输出，我们使用我们的测试集运行 logits 操作。让我们看看这个模型添加正则化 / 标准化并且正在使用增强数据的方法后表现得如何。

在 29epoch，我们在 10,000 个数字的测试集上达到了 99.5%的准确率。正如你所看到的那样，第二个 epoch 时模型精确度达到了 99%，而之前的模型只有 16%。虽然 0.05%可能不是很多，但在处理大量数据时这是一个重大改进。最后，我将向你展示如何在 logits 输出上使用 np.argmax 产生的预测。