欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

MNIST进阶(卷积神经网络) 超详细代码注释

程序员文章站 2024-03-17 22:04:58
...
#  加载MNIST数据
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

import tensorflow as tf
sess = tf.InteractiveSession()

# 权重在初始化时应该加入少量的噪声来打破对称性以及避免0梯度
# truncated_normal:产生正态分布的随机数
def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

# 由于我们使用的是ReLU神经元,用一个较小的正数来初始化偏置项,以避免神经元节点输出恒为0的问题(dead neurons)
def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

# 卷积使用1步长(stride size),0边距(padding size)的1*1模板,保证输出和输入是同一个大小
# strides要求strides[0]=strides[3]=1,strides[1],strides[2]决定卷积核在输入图像in_hight,in_width方向的滑动步长,这里分别是1,1
# padding采用'SAME',输出大小等于输入大小除以步长向上取整,s是步长大小,所以stride步长是1的时候,卷积前后图像大小不变
def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

# 池化用简单传统的2x2大小的模板做max pooling
def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

# 第一层卷积
# 卷积的权重张量形状是[5, 5, 1, 32],前两个维度是patch的大小5*5,接着是输入的通道数目1,最后是输出的通道数目32(有32个卷积核)
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

# 把x变成一个4d向量,其第2、第3维对应图片的宽、高,最后一维代表图片的颜色通道数(因为是灰度图所以这里的通道数为1,如果是rgb彩色图,则为3)
# 第一维=-1,numpy会自动计算维度,因为x的batch size后续才会给,比如输入x是[50,784], numpy会自动算出第一维是50
x_image = tf.reshape(x, [-1,28,28,1])

# 把x_image和权值向量进行卷积,加上偏置项,然后应用ReLU**函数,最后进行max pooling。
# h_conv1 shape:(?, 28, 28, 32)
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
# h_pool1 shape: (?, 14, 14, 32)
h_pool1 = max_pool_2x2(h_conv1)


# 第二层卷积,输入=32(上一层的输出),输出64(64个卷积核)

W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

# h_conv2 shape:(?, 14, 14, 64)
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
# h_pool2 shape: (?, 7, 7, 64)
h_pool2 = max_pool_2x2(h_conv2)


# 加入一个有1024个神经元的全连接层,用于处理整个图片
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

# 把池化层输出的张量reshape成一维向量,乘上权重矩阵,加上偏置,然后对其使用ReLU
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:为了减少过拟合,我们在输出层之前加入dropout
# 我们用一个placeholder来代表一个神经元的输出在dropout中保持不变的概率。这样我们可以在训练过程中启用dropout,在测试过程中关闭dropout。
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

# 输出层:我们添加一个softmax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
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
# ADAM优化器来做梯度最速下降
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, tf.float32))

sess.run(tf.initialize_all_variables())

# 迭代2000次
for i in range(2000):
  #   batch_size = 50
  batch = mnist.train.next_batch(50)
  # 每100次迭代输出一次日志
  if i%100 == 0:
    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))
  # dropout = 0.5
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

# 测试的时候不能dropout,故keep_prob=1
print("test accuracy %g"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

 

以上代码,在最终测试集上的准确率大概是99.2%。