TensorFlow学习笔记(三)-多层卷积代码理解

之前一段时间做CNN的demo,但是一直不太懂这些代码的原理,后来逐渐理解,这里也写一篇文章做下分享,部分图来自网络,侵权删。

滤波的概念

在理解代码之前,我们先了解一下滤波的概念,滤波又被称作平滑,是一种对图像进行处理的技术手段,通常是对图像进行模糊操作,使其特征不那么突出,常见的有中值滤波、高斯滤波、拉普拉斯滤波等。 以下是高斯滤波处理前后的效果:

image image

那么这和我们的卷积有什么关系呢? 实际上,卷积也是一种滤波,与滤波不同的是,他不会对原图进行模糊,相反,它对原图起到了特征突出的效果,具体原理知乎上已经有大神做出了很详细的解释: 卷积神经网络工作原理直观的解释

上面这篇文章比较长,简单说一下,卷积中的卷积核也就是一个矩阵,然后平滑移动来对所有的像素点进行卷积操作,但和滤波不一样,在卷积的过程中这些核是会不断改变的,也就是文章中可以看到的卷积老鼠身上的某一部分得到很高的激活值,那么这个卷积核就被存储下来。 需要注意有几点:

  • 一层卷积中可能会有多个卷积核,这些核分别记录了图像中的某些特征,特征会随着层数加深愈加复杂
  • 初始的卷积核是随机分布的,并不具有特征,所谓学习的过程就是改变卷积核的过程
  • 文中的激活函数作用是加入非线性因素使得其能更好的解决非线性问题

Minist CNN代码

现在我们来看一下Minist demo的代码:

#coding:utf-8
import input_data
import tensorflow as tf
import numpy as np

mnist = input_data.read_data_sets('Mnist', one_hot=True)
sess = tf.InteractiveSession()
x = tf.placeholder("float", shape=[None, 784])

y_ = tf.placeholder("float", shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
#初始化所有变量值
sess.run(tf.initialize_all_variables())

def weight_variable(shape):
#生成符合标准差的正态分布,shape是维度,stddev是标准差
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
#生成tensor
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
#执行卷积操作
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
#执行池化操作
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

#第一层卷积构建,5*5代表patch大小,即卷积操作时模板块,而30为特征数量,可自己选择
W_conv1 = weight_variable([5, 5, 1, 30])
b_conv1 = bias_variable([30])

x_image = tf.reshape(x, [-1,28,28,1])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

#第二层卷积构建,5*5代表patch大小,60代表特征数量
W_conv2 = weight_variable([5, 5, 30, 60])
b_conv2 = bias_variable([60])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

#密集连接层,经过两次池化之后图像尺寸变成了7*7
W_fc1 = weight_variable([7 * 7 * 60, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*60])

#计算激活函数
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

#Dropout
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

#输出层
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)

#交叉熵
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
#训练步长
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, "float"))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  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)
  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})

我在文中加了不少注释,前面简单的变量声明和初始化就不说了,重点说说后面几个函数的声明和几层卷积的构建:

weight_variable函数: 这个函数主要的功能是生成指定大小且符合正态分布的卷积核,此时该核无效果

bias_variable函数: 这个函数是生成一个指定大小的tensor,也就是Wx+b中的b

conv2d函数: 这个函数是执行卷积操作,指定滑动方式

max_pool_2x2函数: 对卷积后的图形进行池化操作,减小图形的尺寸

第一层卷积构建

构建一个5*5的patch,30个神经元,进行卷积+池化操作

第二层卷积构建

构建一个5*5的patch,60个神经元,进行卷积+池化操作

密集连接层

加入含有1024个神经元的全连接层以处理整个图片。全连接层作用

计算激活函数

通过激活函数增强其非线性拟合效果。详细解释

Dropout

drop作用是以特定概率丢弃神经元,来减小各个神经元间的依赖,从而增强了神经元的泛化能力,降低过拟合的可能性。 详细解释

输出层

使用softmax进行回归

因为深度学习较为复杂,如果想要更深入的理解每层的具体作用,可以参考我给出的链接

本站部分资源收集于网络,纯个人收藏,无商业用途,如有侵权请及时告知!