手把手教你用 TensorFlow 實現卷積神經網路

雷鋒網按：本文作者徐凱文，原文載於作者個人博客，雷鋒網已獲授權。

在知乎上看到一段介紹卷積神經網路的文章，感覺講的特別直觀明了，我整理了一下。首先介紹原理部分。

通過一個圖像分類問題介紹卷積神經網路是如何工作的。下面是卷積神經網路判斷一個圖片是否包含「兒童」的過程，包括四個步驟：

圖像輸入（InputImage）

卷積（Convolution）

最大池化（MaxPooling）

全連接神經網路（Fully-ConnectedNeural Network）計算。

首先將圖片分割成如下圖的重疊的獨立小塊；下圖中，這張照片被分割成了77張大小相同的小圖片。

接下來將每一個獨立小塊輸入小的神經網路；這個小的神經網路已經被訓練用來判斷一個圖片是否屬於「兒童」類別，它輸出的是一個特徵數組。

標準的數碼相機有紅、綠、藍三個通道（Channels），每一種顏色的像素值在0-255之間，構成三個堆疊的二維矩陣；灰度圖像則只有一個通道，可以用一個二維矩陣來表示。

將所有的獨立小塊輸入小的神經網路後，再將每一個輸出的特徵數組按照第一步時77個獨立小塊的相對位置做排布，得到一個新數組。

第二步中，這個小的神經網路對這77張大小相同的小圖片都進行同樣的計算，也稱權重共享（SharedWeights）。這樣做是因為，第一，對圖像等數組數據來說，局部數組的值經常是高度相關的，可以形成容易被探測到的獨特的局部特徵；第二，圖像和其它信號的局部統計特徵與其位置是不太相關的，如果特徵圖能在圖片的一個部分出現，也能出現在任何地方。所以不同位置的單元共享同樣的權重，並在數組的不同部分探測相同的模式。數學上，這種由一個特徵圖執行的過濾操作是一個離散的卷積，卷積神經網路由此得名。

卷積步驟完成後，再使用MaxPooling演算法來縮減像素採樣數組，按照2×2來分割特徵矩陣，分出的每一個網格中只保留最大值數組，丟棄其它數組，得到最大池化數組（Max-PooledArray）。

接下來將最大池化數組作為另一個神經網路的輸入，這個全連接神經網路會最終計算出此圖是否符合預期的判斷。

在實際應用時，卷積、最大池化和全連接神經網路計算，這幾步中的每一步都可以多次重複進行，總思路是將大圖片不斷壓縮，直到輸出單一的值。使用更多卷積步驟，神經網路就可以處理和學習更多的特徵。

下面是代碼，添加了詳細注釋：

import tensorflow as tf

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)# 讀取圖片數據集

sess = tf.InteractiveSession()# 創建session

# 一，函數聲明部分

def weight_variable(shape):

# 正態分布，標準差為0.1，默認最大為1，最小為-1，均值為0

initial = tf.truncated_normal(shape, stddev=0.1)

return tf.Variable(initial)

def bias_variable(shape):

# 創建一個結構為shape矩陣也可以說是數組shape聲明其行列，初始化所有值為0.1

initial = tf.constant(0.1, shape=shape)

return tf.Variable(initial)

def conv2d(x, W):

# 卷積遍歷各方向步數為1，SAME：邊緣外自動補0，遍歷相乘

def max_pool_2x2(x):

# 池化卷積結果（conv2d）池化層採用kernel大小為2*2，步數也為2，周圍補0，取最大值。數據量縮小了4倍

# 二，定義輸入輸出結構

# 聲明一個佔位符，None表示輸入圖片的數量不定，28*28圖片解析度

xs = tf.placeholder(tf.float32, [None, 28*28])

# 類別是0-9總共10個類別，對應輸出分類結果

ys = tf.placeholder(tf.float32, [None, 10])

keep_prob = tf.placeholder(tf.float32)

# x_image又把xs reshape成了28*28*1的形狀，因為是灰色圖片，所以通道是1.作為訓練時的input，-1代表圖片數量不定

x_image = tf.reshape(xs, [-1, 28, 28, 1])

# 三，搭建網路,定義演算法公式，也就是forward時的計算

## 第一層卷積操作 ##

# 第一二參數值得卷積核尺寸大小，即patch，第三個參數是圖像通道數，第四個參數是卷積核的數目，代表會出現多少個卷積特徵圖像;

# 對於每一個卷積核都有一個對應的偏置量。

b_conv1 = bias_variable([32])

# 圖片乘以卷積核，並加上偏執量，卷積結果28x28x32

# 池化結果14x14x32 卷積結果乘以池化卷積核

h_pool1 = max_pool_2x2(h_conv1)

## 第二層卷積操作 ##

# 32通道卷積，卷積出64個特徵

# 64個偏執數據

b_conv2 = bias_variable([64])

# 注意h_pool1是上一層的池化結果，#卷積結果14x14x64

# 池化結果7x7x64

h_pool2 = max_pool_2x2(h_conv2)

# 原圖像尺寸28*28，第一輪圖像縮小為14*14，共有32張，第二輪後圖像縮小為7*7，共有64張

## 第三層全連接操作 ##

# 二維張量，第一個參數7*7*64的patch，也可以認為是只有一行7*7*64個數據的卷積，第二個參數代表卷積個數共1024個

# 1024個偏執數據

b_fc1 = bias_variable([1024])

# 將第二層卷積池化結果reshape成只有一行7*7*64個數據# [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])

# dropout操作，減少過擬合，其實就是降低上一層某些輸入的權重scale，甚至置為0，升高某些輸入的權值，甚至置為2，防止評測曲線出現震蕩，個人覺得樣本較少時很必要

# 使用佔位符，由dropout自動確定scale，也可以自定義，比如0.5，根據tensorflow文檔可知，程序中真實使用的值為1/0.5=2，也就是某些輸入乘以2，同時某些輸入乘以0

keep_prob = tf.placeholder(tf.float32)

## 第四層輸出操作 ##

# 二維張量，1*1024矩陣卷積，共10個卷積，對應我們開始的ys長度為10

b_fc2 = bias_variable([10])

# 最後的分類，結果為1*1*10 softmax和sigmoid都是基於logistic分類演算法，一個是多分類一個是二分類

# 四，定義loss(最小誤差概率)，選定優化優化loss，

cross_entropy = -tf.reduce_sum(ys * tf.log(y_conv)) # 定義交叉熵為loss函數

train_step = tf.train.DradientDescentOptimizer(0.5).minimize(cross_entropy) # 調用優化器優化，其實就是通過喂數據爭取cross_entropy最小化

# 五，開始數據訓練以及評測

correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(ys,1))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

tf.global_variables_initializer().run()

for i in range(20000):

if i%100 == 0:

train_accuracy = accuracy.eval(feed_dict=)

print("step %d, training accuracy %g"%(i, train_accuracy))

train_step.run(feed_dict=)

print("test accuracy %g"%accuracy.eval(feed_dict=))

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！