东方耀AI技术分享
标题:
50、经典CNN网络LeNet实战:手写数字识别(分类)_笔记
[打印本页]
作者:
东方耀
时间:
2019-1-9 20:50
标题:
50、经典CNN网络LeNet实战:手写数字识别(分类)_笔记
50、经典CNN网络
LeNet
实战:手写数字
识别(分类)_笔记
第一步:导入数据
# 手写数字识别的数据集主要包含三个部分:训练集(5.5w, mnist.train)、测试集(1w, mnist.test)、验证集(0.5w, mnist.validation)
# 手写数字图片大小是28*28*1像素的图片(黑白),也就是每个图片由784维的特征描述
第二步:设置超参并定义学习率调整策略
def learn_rate_func(epoch):
"""
根据给定的迭代批次,更新产生一个学习率的值 均匀分布策略
:param epoch:
:return:
"""
return max(0.001, learn_rate_base * (0.9 ** int(epoch / 10)))
# learn_rate = tf.train.exponential_decay() tf自带的学习率的
复制代码
第三步:开始构建模型 设置输入数据的占位符
第四步:构建LeNet网络(直接将网络结构翻译成为这个代码
)
# 卷积
# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None) => 卷积的API
# data_format: 表示的是输入的数据格式,两种:NHWC和NCHW,N=>样本数目,H=>Height, W=>Weight, C=>Channels
# use_cudnn_on_gpu:设置GPU加速
# name:设置操作的名字 与tf一样
# input:输入数据,必须是一个4维格式的图像数据,具体格式和data_format有关,如果data_format是NHWC的时候,input的格式为: [batch_size, height, width, channels] => [批次中的图片数目,图片的高度,图片的宽度,图片的通道数];如果data_format是NCHW的时候,input的格式为: [batch_size, channels, height, width] => [批次中的图片数目,图片的通道数,图片的高度,图片的宽度]
# filter: 卷积核或过滤器,是一个4维格式的数据,shape: [height, width, in_channels, out_channels] => [窗口的高度,窗口的宽度,输入的channel通道数(上一层图片的深度),输出的通道数(卷积核数目或深度,到底是几组w和b)]
# strides:步长,是一个4维的数据,每一维数据必须和data_format格式匹配,表示的是在data_format每一维上的移动步长,当格式为NHWC的时候,strides的格式为: [batch, in_height, in_width, in_channels] => [样本上的移动大小,高度的移动大小,宽度的移动大小,深度的移动大小],API要求在样本上和在深度通道上的移动必须是1;当格式为NCHW的时候,strides的格式为: [batch,in_channels, in_height, in_width]
# padding: 只支持两个参数"SAME", "VALID",当取值为SAME的时候,表示进行填充,"有个特例(特别强调):在TensorFlow中,如果步长为1,并且padding为SAME的时候,经过卷积之后的图像大小是不变的";当VALID的时候,表示多余的特征会丢弃;
w = get_variable('w', [5, 5, 1, 20])
复制代码
第五步:构建模型的损失函数
第六步:构建梯度下降的优化方法(一般用Adam 动量GD)
第七步:计算模型正确率
第八步:会话中执行阶段(模型的训练与迭代)
# -*- coding: utf-8 -*-
__author__ = 'dongfangyao'
__date__ = '2019/1/9 下午9:05'
__product__ = 'PyCharm'
__filename__ = 'tf27'
# 手写数字的图片数据 LeNet
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 手写数字的图片 数据
mnist = input_data.read_data_sets('data/lenet', one_hot=True)
# 55000
print(mnist.train.num_examples)
# (55000, 784)
print(mnist.train.images.shape)
# (55000, 10)
print(mnist.train.labels.shape)
# 7
print(mnist.train.labels[0])
print('测试集shape:{}'.format(mnist.test.images.shape))
print('验证集shape:{}'.format(mnist.validation.images.shape))
# 784 = 28*28*1 黑白
train_img = mnist.train.images
train_label = mnist.train.labels
test_img = mnist.test.images
test_label = mnist.test.labels
train_sample_number = mnist.train.num_examples
# 设置超参
learn_rate_base = 0.1
batch_size = 64
display_step = 1
input_dim = train_img.shape[1]
n_classes = train_label.shape[1]
# 1、设置占位符
x = tf.placeholder(tf.float32, shape=[None, input_dim], name='x')
y = tf.placeholder(tf.float32, shape=[None, n_classes], name='y')
learn_rate = tf.placeholder(tf.float32, name='learn_rate')
def learn_rate_func(epoch):
return max(0.001, learn_rate_base * (0.9 ** int(epoch / 10)))
def get_variable(name, shape=None, dtype=tf.float32, initializer=tf.random_normal_initializer(mean=0, stddev=0.1)):
return tf.get_variable(name, shape, dtype, initializer)
# 2、构建网络 预测值
def le_net(x, y):
# 1、输入层
with tf.variable_scope('input1'):
# [None, input_dim] --> [None, height, width, channels]
net = tf.reshape(x, shape=[-1, 28, 28, 1])
# 2、conv+relu
with tf.variable_scope('conv2'):
w = get_variable(name='w', shape=[5, 5, 1, 20])
# data_format NHWC NCHW
# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None):
net = tf.nn.conv2d(input=net, filter=w, strides=[1, 1, 1, 1], padding='SAME', data_format='NHWC')
net = tf.nn.bias_add(net, get_variable('b', shape=[20]))
print('conv2之后的shape:{}'.format(net.shape))
net = tf.nn.relu(net)
# 3、pool
with tf.variable_scope('pool3'):
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME', data_format='NHWC')
print('pool3之后的shape:{}'.format(net.shape))
# 4、conv
with tf.variable_scope('conv4'):
net = tf.nn.conv2d(input=net, filter=get_variable(name='w', shape=[5, 5, 20, 50]), strides=[1, 1, 1, 1], padding='SAME', data_format='NHWC')
net = tf.nn.bias_add(net, get_variable('b', shape=[50]))
print('conv4之后的shape:{}'.format(net.shape))
net = tf.nn.relu(net)
# 5、pool
with tf.variable_scope('pool5'):
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME', data_format='NHWC')
print('pool5之后的shape:{}'.format(net.shape))
# 6、fc
with tf.variable_scope('fc6'):
# 28 -> 14 --> 7
size = 7*7*50
net = tf.reshape(net, shape=[-1, size])
net = tf.add(tf.matmul(net, get_variable('w', shape=[size, 500])), get_variable('b', shape=[500]))
print('fc6之后的shape:{}'.format(net.shape))
net = tf.nn.relu(net)
# 7 fc
with tf.variable_scope('fc7'):
net = tf.add(tf.matmul(net, get_variable('w', shape=[500, n_classes])), get_variable('b', shape=[n_classes]))
print('fc7之后的shape:{}'.format(net.shape))
return net
act = le_net(x, y)
# 模型的损失函数
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=act, labels=y))
# train = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)
train = tf.train.AdadeltaOptimizer(learning_rate=learn_rate).minimize(cost)
pred = tf.equal(tf.argmax(act, axis=1), tf.argmax(y, axis=1))
acc = tf.reduce_mean(tf.cast(pred, dtype=tf.float32))
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_op)
saver = tf.train.Saver()
epoch = 0
while True:
avg_cost = 0
total_batch = int(train_sample_number / batch_size)
for i in range(total_batch):
batch_xs, batch_ys = mnist.train.next_batch(batch_size)
feeds = {x: batch_xs, y: batch_ys, learn_rate: learn_rate_func(epoch)}
sess.run(train, feed_dict=feeds)
avg_cost += sess.run(cost, feed_dict=feeds)
avg_cost = avg_cost / total_batch
if (epoch + 1) % display_step == 0:
print('批次: %03d 损失函数值:%.9f' % (epoch, avg_cost))
train_acc = sess.run(acc, feed_dict={x: mnist.train.images[:1000], y: mnist.train.labels[:1000], learn_rate: learn_rate_func(epoch)})
print('训练集的准确率:%0.3f' % train_acc)
test_acc = sess.run(acc, feed_dict={x: mnist.test.images[:1000], y: mnist.test.labels[:1000], learn_rate: learn_rate_func(epoch)})
print('测试集的准确率:%0.3f' % test_acc)
if train_acc > 0.99 and test_acc > 0.98:
saver.save(sess, './data/lenet/model_{}_{}'.format(train_acc, test_acc), global_step=epoch)
break
epoch += 1
writer = tf.summary.FileWriter('./data/lenet/graph', tf.get_default_graph())
writer.close()
print('end....')
复制代码
# -*- coding: utf-8 -*-
__author__ = 'dongfangyao'
__date__ = '2019/1/9 下午9:05'
__product__ = 'PyCharm'
__filename__ = 'tf27_注释完整版'
"""
手写数字识别的CNN网络 LeNet
注意:一般情况下,我们都是直接将网络结构翻译成为这个代码,最多稍微的修改一下网络中的参数(超参数、窗口大小、步长等信息)
https://js.tensorflow.org/
https://js.tensorflow.org/#getting-started
"""
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 设置一个随机数种子
tf.set_random_seed(28)
# 数据加载
mnist = input_data.read_data_sets('data/lenet', one_hot=True)
# 样本数 55000
print(mnist.train.num_examples)
# images 特征矩阵 784个特征属性
print(mnist.train.images.shape)
# labels 目标属性10个 刚好是10个数字 进行了哑编码
print(mnist.train.labels.shape)
print('测试集shape:{}'.format(mnist.test.images.shape))
print('验证集shape:{}'.format(mnist.validation.images.shape))
# 手写数字识别的数据集主要包含三个部分:训练集(5.5w, mnist.train)、测试集(1w, mnist.test)、验证集(0.5w, mnist.validation)
# 手写数字图片大小是28*28*1像素的图片(黑白),也就是每个图片由784维的特征描述
train_img = mnist.train.images
train_label = mnist.train.labels
test_img = mnist.test.images
test_label = mnist.test.labels
train_sample_number = mnist.train.num_examples
# 相关的参数、超参数的设置
# 学习率,一般学习率设置的比较小
learn_rate_base = 0.1
# 每次迭代的训练样本数量
batch_size = 64
# 展示信息的间隔大小
display_step = 1
# 输入的样本维度大小信息
input_dim = train_img.shape[1]
# 输出的维度大小信息
n_classes = train_label.shape[1]
# 模型构建
# 1. 设置数据输入的占位符
x = tf.placeholder(tf.float32, shape=[None, input_dim], name='x')
y = tf.placeholder(tf.float32, shape=[None, n_classes], name='y')
learn_rate = tf.placeholder(tf.float32, name='learn_rate')
def learn_rate_func(epoch):
"""
根据给定的迭代批次,更新产生一个学习率的值 均匀分布策略
:param epoch:
:return:
"""
return max(0.001, learn_rate_base * (0.9 ** int(epoch / 10)))
# learn_rate = tf.train.exponential_decay() tf自带的学习率的
def get_variable(name, shape=None, dtype=tf.float32, initializer=tf.random_normal_initializer(mean=0, stddev=0.1)):
"""
返回一个对应的变量
:param name:
:param shape:
:param dtype:
:param initializer:
:return:
"""
return tf.get_variable(name, shape, dtype, initializer)
# 2. 构建网络
def le_net(x, y):
# 1. 输入层
with tf.variable_scope('input1'):
# 将输入的x的格式转换为规定的格式
# [None, input_dim] -> [None, height, width, channels]
net = tf.reshape(x, shape=[-1, 28, 28, 1])
# 2. 卷积层
with tf.variable_scope('conv2'):
# 卷积
# conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", name=None) => 卷积的API
# data_format: 表示的是输入的数据格式,两种:NHWC和NCHW,N=>样本数目,H=>Height, W=>Weight, C=>Channels
# use_cudnn_on_gpu:设置GPU加速
# name:设置操作的名字 与tf一样
# input:输入数据,必须是一个4维格式的图像数据,具体格式和data_format有关,如果data_format是NHWC的时候,input的格式为: [batch_size, height, width, channels] => [批次中的图片数目,图片的高度,图片的宽度,图片的通道数];如果data_format是NCHW的时候,input的格式为: [batch_size, channels, height, width] => [批次中的图片数目,图片的通道数,图片的高度,图片的宽度]
# filter: 卷积核或过滤器,是一个4维格式的数据,shape: [height, width, in_channels, out_channels] => [窗口的高度,窗口的宽度,输入的channel通道数(上一层图片的深度),输出的通道数(卷积核数目或深度,到底是几组w和b)]
# strides:步长,是一个4维的数据,每一维数据必须和data_format格式匹配,表示的是在data_format每一维上的移动步长,当格式为NHWC的时候,strides的格式为: [batch, in_height, in_width, in_channels] => [样本上的移动大小,高度的移动大小,宽度的移动大小,深度的移动大小],API要求在样本上和在深度通道上的移动必须是1;当格式为NCHW的时候,strides的格式为: [batch,in_channels, in_height, in_width]
# padding: 只支持两个参数"SAME", "VALID",当取值为SAME的时候,表示进行填充,"有个特例(特别强调):在TensorFlow中,如果步长为1,并且padding为SAME的时候,经过卷积之后的图像大小是不变的";当VALID的时候,表示多余的特征会丢弃;
w = get_variable('w', [5, 5, 1, 20])
net = tf.nn.conv2d(input=net, filter=w, strides=[1, 1, 1, 1], padding='SAME')
net = tf.nn.bias_add(net, get_variable('b', [20]))
print('conv2之后的shape:{}'.format(net.shape))
# 激励 ReLu
# tf.nn.relu => max(fetures, 0)
# tf.nn.relu6 => min(max(fetures,0), 6)
net = tf.nn.relu(net)
# 3. 池化
with tf.variable_scope('pool3'):
# 和conv2一样,需要给定窗口大小和步长
# max_pool(value, ksize, strides, padding, data_format="NHWC", name=None)
# avg_pool(value, ksize, strides, padding, data_format="NHWC", name=None)
# 默认格式下:NHWC,value:输入的数据,必须是[batch_size, height, width, channels]格式
# 默认格式下:NHWC,ksize:指定窗口大小,必须是[batch, in_height, in_width, in_channels], 其中batch和in_channels必须为1
# 默认格式下:NHWC,strides:指定步长大小,必须是[batch, in_height, in_weight, in_channels],其中batch和in_channels必须为1
# padding: 只支持两个参数"SAME", "VALID",当取值为SAME的时候,表示进行填充,;当VALID的时候,表示多余的特征会丢弃;
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
print('pool3之后的shape:{}'.format(net.shape))
# 4. 卷积
with tf.variable_scope('conv4'):
net = tf.nn.conv2d(input=net, filter=get_variable('w', [5, 5, 20, 50]), strides=[1, 1, 1, 1], padding='SAME')
net = tf.nn.bias_add(net, get_variable('b', [50]))
print('conv4之后的shape:{}'.format(net.shape))
net = tf.nn.relu(net)
# 5. 池化
with tf.variable_scope('pool5'):
net = tf.nn.max_pool(value=net, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
print('pool5之后的shape:{}'.format(net.shape))
# 6. 全连接
with tf.variable_scope('fc6'):
# 28 -> 14 -> 7(因为此时的卷积不改变图片的大小,只有池化会改变)
size = 7 * 7 * 50
net = tf.reshape(net, shape=[-1, size])
net = tf.add(tf.matmul(net, get_variable('w', [size, 500])), get_variable('b', [500]))
print('fc6之后的shape:{}'.format(net.shape))
net = tf.nn.relu(net)
# 7. 全连接
with tf.variable_scope('fc7'):
net = tf.add(tf.matmul(net, get_variable('w', [500, n_classes])), get_variable('b', [n_classes]))
print('fc7之后的shape:{}'.format(net.shape))
return net
# 构建网络
act = le_net(x, y)
# 构建模型的损失函数
# softmax_cross_entropy_with_logits: 计算softmax中的每个样本的交叉熵,logits指定预测值,labels指定实际值
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=act, labels=y))
# 使用Adam优化方式比较多 动量GD
# learning_rate: 要注意,不要过大,过大可能不收敛,也不要过小,过小收敛速度比较慢
train = tf.train.AdadeltaOptimizer(learning_rate=learn_rate).minimize(cost)
# train = tf.train.AdamOptimizer(learning_rate=learn_rate).minimize(cost)
# 得到预测的类别是那一个
# tf.argmax:对矩阵按行或列计算最大值对应的下标,和numpy中的一样
# tf.equal:是对比这两个矩阵或者向量的相等的元素,如果是相等的那就返回True,反正返回False,返回的值的矩阵维度和A是一样的
pred = tf.equal(tf.argmax(act, axis=1), tf.argmax(y, axis=1))
# 正确率(True转换为1,False转换为0)
acc = tf.reduce_mean(tf.cast(pred, tf.float32))
# 初始化
init = tf.global_variables_initializer()
with tf.Session() as sess:
# 进行数据初始化
sess.run(init)
# 模型保存、持久化
saver = tf.train.Saver()
epoch = 0
while True:
avg_cost = 0
# 计算出总的批次
total_batch = int(train_sample_number / batch_size)
# 迭代更新
for i in range(total_batch):
# 获取x和y
batch_xs, batch_ys = mnist.train.next_batch(batch_size)
feeds = {x: batch_xs, y: batch_ys, learn_rate: learn_rate_func(epoch)}
# 模型训练
sess.run(train, feed_dict=feeds)
# 获取损失函数值
avg_cost += sess.run(cost, feed_dict=feeds)
# 重新计算平均损失(相当于计算每个样本的损失值)
avg_cost = avg_cost / total_batch
# DISPLAY 显示误差率和训练集的正确率以此测试集的正确率
if (epoch + 1) % display_step == 0:
print("批次: %03d 损失函数值: %.9f" % (epoch, avg_cost))
# 这里之所以使用train_img[:1000]和train_label[:1000],是因为我使用train_img会出现内存不够的情况,直接就会退出
feeds = {x: train_img[:1000], y: train_label[:1000], learn_rate: learn_rate_func(epoch)}
train_acc = sess.run(acc, feed_dict=feeds)
print("训练集准确率: %.3f" % train_acc)
feeds = {x: test_img[:1000], y: test_label[:1000], learn_rate: learn_rate_func(epoch)}
test_acc = sess.run(acc, feed_dict=feeds)
print("测试准确率: %.3f" % test_acc)
if train_acc >= 0.99 and test_acc >= 0.98:
saver.save(sess, './data/lenet/model_{}_{}'.format(train_acc, test_acc), global_step=epoch)
break
epoch += 1
# 模型可视化输出
writer = tf.summary.FileWriter('./data/lenet/graph', tf.get_default_graph())
writer.close()
print("end....")
复制代码
作者:
Justfavor
时间:
2019-1-10 09:59
挺厉害的蛤
作者:
Justfavor
时间:
2019-1-10 09:59
挺厉害的蛤
作者:
EngyHui
时间:
2020-3-17 10:20
好样的66666666666
作者:
wrt789
时间:
2020-6-1 21:54
学习一下
欢迎光临 东方耀AI技术分享 (http://www.ai111.vip/)
Powered by Discuz! X3.4