TensorFlow-2: 用 CNN 识别数字

本文结构：

• CNN

• 建立模型

• code

昨天只是用了简单的 softmax 做数字识别，准确率为 92%，这个太低了，今天用 CNN 来提高一下准确率。

关于 CNN，可以看这篇：

图解何为CNN

简单看一个典型的 Deep CNN 由若干组 Convolution－ReLU－Pooling 层组成。

这三层可以提取出有用的 pattern，但它们并不知道这些 pattern 是什么。
所以接着是 Fully Connected 层，它可以对数据进行分类。

在 CNN 中有几个重要的概念：

• stride

• padding

• pooling

stride，就是每跨多少步抽取信息。每一块抽取一部分信息，长宽就缩减，但是厚度增加。抽取的各个小块儿，再把它们合并起来，就变成一个压缩后的立方体。

padding，抽取的方式有两种，一种是抽取后的长和宽缩减，另一种是抽取后的长和宽和原来的一样。

pooling，就是当跨步比较大的时候，它会漏掉一些重要的信息，为了解决这样的问题，就加上一层叫pooling，事先把这些必要的信息存储起来，然后再变成压缩后的层：

即 Pooling 层是用来降维的。
经过 convolution 和 ReLU 的作用后，会有越来越复杂的形式，所以Pooling 层负责提取出最重要的 pattern，进而提高时间空间的效率。

patch，就是小方块的长宽的像素，in size 是image的厚度为1，out size是输出的厚度为32:

模型

主要就是建立 2 组 convolution－pooling 层，全连接层，加 dropout 减小过拟合，得到预测值 y_conv：

• 每一层建立 weight 和 bias，

• 和上一层的输出值经过 conv2d 作用后，应用 ReLu 激活函数，

• 再做 pooling 后得到的输出值传递给下一层

code 和注释：

import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# number 1 to 10 datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)def compute_accuracy(v_xs, v_ys):
    global prediction
    y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1})
    correct_prediction = tf.equal(tf.argmax(y_pre,1), tf.argmax(v_ys,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys, keep_prob: 1})    return result# 产生随机变量，符合 normal 分布# 传递 shape 就可以返回weight和bias的变量def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)    
    return tf.Variable(initial)                         

def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)    return tf.Variable(initial)# 定义2维的 convolutional 图层def conv2d(x, W):
    # stride [1, x_movement, y_movement, 1]
    # Must have strides[0] = strides[3] = 1
    # strides 就是跨多大步抽取信息
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')     

# 定义 pooling 图层def max_pool_2x2(x):
    # stride [1, x_movement, y_movement, 1]
    # 用pooling对付跨步大丢失信息问题
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')        

# define placeholder for inputs to networkxs = tf.placeholder(tf.float32, [None, 784])        # 784＝28x28ys = tf.placeholder(tf.float32, [None, 10])
keep_prob = tf.placeholder(tf.float32)
x_image = tf.reshape(xs, [-1, 28, 28, 1])           # 最后一个1表示数据是黑白的# print(x_image.shape)  # [n_samples, 28,28,1]## 1. conv1 layer ###  把x_image的厚度1加厚变成了32W_conv1 = weight_variable([5, 5, 1, 32])                # patch 5x5, in size 1, out size 32b_conv1 = bias_variable([32])# 构建第一个convolutional层，外面再加一个非线性化的处理reluh_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)            # output size 28x28x32# 经过pooling后，长宽缩小为14x14h_pool1 = max_pool_2x2(h_conv1)                                     # output size 14x14x32## 2. conv2 layer ### 把厚度32加厚变成了64W_conv2 = weight_variable([5,5, 32, 64])                # patch 5x5, in size 32, out size 64b_conv2 = bias_variable([64])# 构建第二个convolutional层h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)            # output size 14x14x64# 经过pooling后，长宽缩小为7x7h_pool2 = max_pool_2x2(h_conv2)                                     # output size 7x7x64## 3. func1 layer ### 飞的更高变成1024W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])# [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]# 把pooling后的结果变平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)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)## 4. func2 layer ### 最后一层，输入1024，输出size 10，用 softmax 计算概率进行分类的处理W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
prediction = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)# the error between prediction and real datacross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
                                              reduction_indices=[1]))       # losstrain_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

sess = tf.Session()# important stepsess.run(tf.initialize_all_variables())for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: 0.5})    if i % 50 == 0:
        print(compute_accuracy(
            mnist.test.images, mnist.test.labels)