卷积神经网络

​卷积神经网络这个词，应该在你开始学习人工智能不久后就听过了，那究竟什么叫卷积神经网络，今天我们就聊一聊这个问题。

不用思考，左右两张图就是两只可爱的小狗狗，但是两张图中小狗狗所处的位置是不同的，左侧图片小狗在图片的左侧，右侧图片小狗在图片的右下方，这样如果去用图片特征识别出来的结果，两张图的特征很大部分是不同的，这不是我们希望的，那思考一下，为什么我们人就可以把它们都看成是可爱的小狗狗呢？这是因为平移不变性和空间层次结构，这两个概念是卷积神经网络中的概念。

平移不变性与模式的空间层次结构

这很好理解，我们要观察或者识别的物体，在图片上平行移动，我们都可以识别出来，因为无论他们在任何地方，都有相同的特征；我们识别物体的时候，先识别物体的局部特征信息，然后再脑袋中将局部信息组合起来，组合而成更高层次的特征信息，最终形成整体信息。比如上图，我们认出他们是可爱的狗狗，但脑袋在实际运转的过程中，是先看到了一些像素点（黑白红等），然后将像素点连接起来形成轮廓或特征（耳朵、眼睛、舌头），最后组合这些特征形成最后的结论（可爱的狗狗）。这就给我们了启发，我们在计算机图片识别的识别的时候，是不是可以借鉴这种机制呢，不一定需要图片全部的信息，而是识别图片的特征信息，再由这些特征，我们会将其组合成更大的特征，再组合，最终得出整体的特征信息，如下看一个经典的图：

我们的人脑在识别人脸的时候，脑神经不同部分也处理的是不同的信息，像素点-线条边缘-对象部分-对象整体。

上面这种识别方式就与之前我们采用的各种识别方式不同了，我们之前都是将每张图作为一个整体，去识别其特征，这里更多的分析局部信息，这种方式叫卷积运算。

卷积运算

给了我们一张彩色图片，我们用长、宽和深度（用于存储每个像素点 RGB 三种颜色的值）三个维度的张量去表示，用一个小的过滤器分别去取特征值：

这里面的黄色的小框是一种过滤器，我们在做卷积运算的时候，往往需要选择多种过滤器，这样就可以得到不同的卷积特征，这里的过滤器是一个权重矩阵，与每个图片小块做张量积，得到的就是一维向量，过滤器在卷积神经网络中的术语叫卷积核。我们还可以看到，原图的尺寸是 5x5，处理后的尺寸是 3x3，缩小了一些，如果我们每次把黄色的小格子向右移动两个格子，那我们就会得到 2x2 的输出，这种移动几个格子的影响输出尺寸的术语叫做步幅。

我们这里卷积层可以处理学习图片特征的问题，但是这些特征如何去进行学习得到这是一只可爱的小狗狗的结论，还是需要以前我们用到的全连接的方法，可是对于图片来说，全连接的方法要用到的参数太多了，看下图中密密麻麻的线，这每一层还不到十个节点神经元，换成图片，动辄几千个元素，几百万几千万个参数，这样训练出的网络，只会得出过拟合的结果，需要调整，改变步幅可以，但是效果不好，因此这里我们引入一个新的概念——池化。

池化

池化可以理解为某种情况的采样。比如最大池化的操作方法是：从输入的特征值中，提取窗口，输出每个通道的最大值，这样说有点不好理解，可以理解为就是卷积层输出的结果，再用一个上面黄色的 2x2 的小窗口，步幅是 2，每次取窗口中最大值，这样就可以减少很大一部分数据量。当然，还有很多池化的方法，比如最大池化改为平均值等，当然其目的都是一样的，减少数据量。

随后，数据就可以交给全连接层，进行学习，输出结果了。

这里我们说明几个问题：我们的网络一般不会只有一个卷积层和池化层，就像全连接层不会只有一个 Dense 层，往往是：卷积层-池化层-卷积层-池化层-卷积层-全连接层（多个 Dense）；我们上面虽然拿图片识别举例子，但是卷积神经网络的应用可不仅仅是图片识别，还包括目标定位、人脸识别和目标分割等，应用非常广泛；卷积神经网络的简称是 CNN，平常与他人交流的时候，很多人喜欢用 CNN。

手写数字图片识别例子优化

我们之前多分类问题中就提到了手写图片数字识别的例子，当时的准确率不到 97.8%，这里我们将其优化为卷积神经网络的写法，精度会达到 99.3%，这个提升还是很可观的呀，具体的代码解释上面都已经将理论讲清楚了，这里我就不写那么多代码的解释了，直接写在注释中，还有很多代码是之前代码，不再赘述了，看网络架构：

看代码：

#!/usr/bin/env python3

import time

from keras import layers
from keras import models
from keras.datasets import mnist
from keras.utils import to_categorical


def cat():
    model = models.Sequential()

    # filters       输出空间的维数
    # kernel_size   窗口大小，就是上面黄色窗口的大小
    # activation    **函数
    # input_shape   输入
    model.add(layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)))

    # 最大池化
    # pool_size 窗口大小
    model.add(layers.MaxPooling2D(pool_size=(2, 2)))

    model.add(layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu'))
    model.add(layers.MaxPooling2D(pool_size=(2, 2)))
    model.add(layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu'))

    # 展平一个张量
    model.add(layers.Flatten())

    model.add(layers.Dense(64, activation='relu'))
    model.add(layers.Dense(10, activation='softmax'))

    # 查看神经网络架构
    # model.summary()

    (train_images, train_labels), (test_images, test_labels) = mnist.load_data()
    train_images = train_images.reshape((60000, 28, 28, 1))
    train_images = train_images.astype('float32') / 255
    test_images = test_images.reshape((10000, 28, 28, 1))
    test_images = test_images.astype('float32') / 255
    train_labels = to_categorical(train_labels)
    test_labels = to_categorical(test_labels)
    model.compile(optimizer='rmsprop',
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])
    model.fit(train_images, train_labels, epochs=5, batch_size=64)
    test_loss, test_acc = model.evaluate(test_images, test_labels)
    print(test_acc)


if __name__ == "__main__":
    time_start = time.time()
    cat()
    time_end = time.time()
    print('Time Used: ', time_end - time_start)