基于LSTM模型的MNIST分类

设置RNN的参数

  这次我们使用RNN来进行分类的训练，继续使用手写数字MNIST数据集。让RNN从每张图片的第一行像素读到最后一行，然后再进行分类判断。接下来导入MNIST数据并确定RNN的各种参数：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('./MNIST_data', one_hot=True)

lr = 0.001  # learning rate
training_iters = 100000  # train step(上限)
batch_size = 128
n_inputs = 28  # 每一步输入的序列长度为28(img shape: 28*28)
n_steps = 28  # 输入的步数是28步
n_hidden_units = 128  # 隐藏层的神经元个数
n_classes = 10  # 分类的类别

接着定义x、y的placeholder以及weights、biases的初始状况：

# 输入数据占位符
x = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
y = tf.placeholder(tf.float32, [None, n_classes])

weights = {  # 定义权重
    'in': tf.Variable(tf.random_normal([n_inputs, n_hidden_units])),  # shape (28, 128)
    'out': tf.Variable(tf.random_normal([n_hidden_units, n_classes]))  # shape (128, 10)
}

biases = {
    'in': tf.Variable(tf.constant(0.1, shape=[n_hidden_units, ])),  # shape (128, )
    'out': tf.Variable(tf.constant(0.1, shape=[n_classes, ]))  # shape (10, )
}

定义RNN的主体结构

  接着开始定义RNN主体结构，这个RNN总共有3个组成部分(input_layer、cell、output_layer)。首先我们先定义input_layer：

def RNN(X, weights, biases):
    # 原始的X是3维数据，我们需要把它变成2维数据，才能使用weights的矩阵乘法
    X = tf.reshape(X, [-1, n_inputs])  # X ==> (128 batches * 28 steps, 28 inputs)

    # 进入隐藏层
    # X_in = W * X + b
    # X_in = (128 batches, 28 steps, 128 hidden)
    X_in = tf.matmul(X, weights['in']) + biases['in']
    # X_in ==> (128 batches, 28 steps, 128 hidden) 换回3维
    X_in = tf.reshape(X_in, [-1, n_steps, n_hidden_units])

接着是cell中的计算，这里使用tf.nn.dynamic_rnn(cell, inputs)。因TensorFlow版本升级原因，state_is_tuple = True将在之后的版本中变为默认。对于lstm来说，state可被分为(c_state, h_state)：

# 这里采用基本的LSTM循环网络单元(basic LSTM Cell)
lstm_cell = tf.contrib.rnn.BasicLSTMCell(n_hidden_units, forget_bias=1.0, state_is_tuple=True)
# 初始化为零值，lstm单元由两个部分组成，即(c_state, h_state)
init_state = lstm_cell.zero_state(batch_size, dtype=tf.float32)

如果使用tf.nn.dynamic_rnn(cell, inputs)，我们要确定inputs的格式。tf.nn.dynamic_rnn中的time_major参数会针对不同inputs格式有不同的值：

• 如果inputs为(batches, steps, inputs)，time_major为False。
• 如果inputs为(steps, batches, inputs)，time_major为True。

# dynamic_rnn接收张量(batch, steps, inputs)或者(steps, batch, inputs)作为X_in
outputs, final_state = tf.nn.dynamic_rnn(lstm_cell, X_in, initial_state=init_state, time_major=False)

return值的求解如下，直接调用final_state中的h_state(final_state[1])来进行运算：

results = tf.matmul(final_state[1], weights['out']) + biases['out']

在RNN函数的最后输出result：

return results

定义好了RNN主体结构后，我们就可以来计算cost和train_op：

pred = RNN(x, weights, biases)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))
train_op = tf.train.AdamOptimizer(lr).minimize(cost)

训练RNN

  训练过程如下：

correct_pred = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    step = 0

    while step * batch_size < training_iters:
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        batch_xs = batch_xs.reshape([batch_size, n_steps, n_inputs])
        sess.run([train_op], feed_dict={x: batch_xs, y: batch_ys, })

        if step % 20 == 0:
            print(sess.run(accuracy, feed_dict={x: batch_xs, y: batch_ys, }))

        step += 1