mnist数据集在LeNet5卷积神经网络学习总结

男娘i 2022-05-18 01:14 231阅读 0赞

*  # **LeNet-5模型** #

LeNet-5模型总共有7层，下图为LeNet-5模型架构：

![70][]

*  ###  第一层：卷积层 ###

输入为：32×32×1，由于过滤器尺寸为5×5，深度为6，步长为1，不使用全0填充。所以输出为：（32-5）÷1 +1=28，即28×28×6。本层有5×5×1×6+6=156个参数，由于下一层有28×28×6=4704个节点，每个节点和5×5=25个当前层节点相连，所以本层卷积层有4704×（25+1）=122304个连接。

*  ###  第二层：池化层 ###

输入为：28×28×6，采用过滤器大小为2×2，步长为2，所以输出为：（28-2）÷2+1=14，即14×14×6。

*  ###  第三层：卷积层 ###

输入为：14×14×6，由于过滤器尺寸为5×5，深度为16，步长为1，不使用全0填充。所以输出为：（14-5）÷1+1=10，即10×10×16。本层有5×5×6×16+16=2416个参数，有10×10×16×（5×5+1）=41600个连接。

*  ###  第四层：池化层 ###

输入为：10×10×16，采用过滤器大小为2×2，步长为2，所以输出为：（10-2）÷2+1=5，即5×5×16。

*  ###  第五层：全连接层 ###

输入为：5×5×16，如果将5×5×16矩阵节点拉成一个向量，本层输出节点个数：120，总共有5×5×16×120+120=48120个参数。

*  ###  第六层：全连接层 ###

输入节点个数为120个，输出节点个数为84个，总共有120×84+84=10164个。

*  ###  第七层：全连接层 ###

输入节点个数为84个，输出节点个数为10个，总共有84×10+10=850个。

通过TensorFlow的程序来实现一个类似LeNet-5模型的卷积神经网络来解决mnist数字识别问题。

LeNet-5前向传播过程：

文件名：mnist\_cnn\_inference.py

# -*- coding: utf-8 -*-
    import tensorflow as tf
    
    #设定神经网络的参数
    INPUT_NODE = 784
    OUTPUT_NODE = 10
    
    IMAGE_SIZE = 28
    NUM_CHANNELS = 1
    NUM_LABELS = 10
    
    #第一层卷积深度与尺寸
    CONV1_DEEP = 32
    CONV1_SIZE = 5
    
    #第二层卷积深度与尺寸
    CONV2_DEEP = 64
    CONV2_SIZE = 5
    
    #全连接层节点个数
    FC_SIZE = 512
    
    #定义前向传播的过程，这里添加一个新参数train，用于区分训练和测试过程，这个过程中使用到dropout
    方法，可以防止过拟合，且dropout只在训练中使用。
    def inference(input_tensor, train, regularizer)：
    
        # 声明第一层神经网络的变量并完成前向传播过程
        with tf.variable_scope('layer1-conv1'):
            conv1_weights = tf.get_variable("weights", [CONV1_SIZE, CONV1_SIZE, NUM_CHANNELS, CONV1_DEEP],
                                            initializer=tf.truncated_normal_initializer(stddev=0.1))
            conv1_biases = tf.get_variable("bias", [CONV1_DEEP], initializer=tf.constant_initializer(0.0))
    
            # 使用边长为5， 深度为32的过滤器， 过滤器的移动步长是1， 且使用全零填充。
            conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 1, 1, 1], padding='SAME')
            relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))
    
        # 实现第二层池化层的前向传播过程
        # 使用全零填充，移动的步长为2，这一层的输入是上一层的输出，也就是28*28*32
        with tf.name_scope('layer2-pool1'):
            pool1 = tf.nn.max_pool(relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
        # 声明第三层的卷积变量并实现前向传播过程。这一层的输入为14*14*32的矩阵
        with tf.variable_scope('layer3-conv2'):
            conv2_weighs = tf.get_variable('weights', [CONV2_SIZE, CONV2_SIZE, CONV1_DEEP, CONV2_DEEP],
                                           initializer=tf.truncated_normal_initializer(stddev=0.1))
            conv2_biases = tf.get_variable('bias', [CONV2_DEEP], initializer=tf.constant_initializer(0.0))
    
            # 使用边长为5， 深度为64的过滤器， 步长为1， 且使用全零填充
            conv2 = tf.nn.conv2d(pool1, conv2_weighs, strides=[1, 1, 1, 1], padding='SAME')
            relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))
    
        # 实现第四层池化层的前向传播过程
        # 这一层的输入是14*14*64的矩阵，输出是7*7*64的矩阵
        with tf.name_scope('layer4-pool2'):
            pool2 = tf.nn.max_pool(relu2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
        # 将第四层池化层的输出转化为第五层全连接层的输入格式
        pool_shape = pool2.get_shape().as_list()
        # 计算将矩阵拉直成向量的长度
        nodes = pool_shape[1] * pool_shape[2] * pool_shape[3]
        # 变成一个batch 的向量
        reshaped = tf.reshape(pool2, [-1, nodes])
    
        # 声明第五层全连接层的变量并实现前向传播过程
        with tf.variable_scope('layer5-fc1'):
            fc1_weights = tf.get_variable("weights", [nodes, FC_SIZE],
                                          initializer=tf.truncated_normal_initializer(stddev=0.1))
            # 只有全连接层的权重需要加入正则化
            if regularizer != None:
                tf.add_to_collection('losses', regularizer(fc1_weights))
            fc1_biases = tf.get_variable("bias", [FC_SIZE], initializer=tf.constant_initializer(0.1))
    
            fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weights) + fc1_biases)
            if train: fc1 = tf.nn.dropout(fc1, 0.5)
    
        # 声明第六层全连接层的变量并实现前向传播过程
        with tf.variable_scope('layer6-fc2'):
            fc2_weights = tf.get_variable('weights', [FC_SIZE, NUM_LABELS],
                                          initializer=tf.truncated_normal_initializer(stddev=0.1))
            if regularizer != None:
                tf.add_to_collection('losses', regularizer(fc2_weights))
            fc2_biases = tf.get_variable("bias", [NUM_LABELS], initializer=tf.constant_initializer(0.1))
            logit = tf.matmul(fc1, fc2_weights) + fc2_biases
        # 返回最后前向传播的结果
        return logit

mnist在LeNet-5上训练：

文件名：mnist\_cnn\_train.py

# -*- coding: utf-8 -*-
    import os
    import numpy as np
    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
    
    # 加载mnist_cnn_inference.py中定义的常量和前向传播的函数。
    import mnist_cnn_inference
    
    # 配置神经网络的参数。
    BATCH_SIZE = 100
    LEARNING_RATE_BASE = 0.05
    LEARNING_RATE_DECAY = 0.99
    REGULARIZATION_RATE = 0.0001
    TRAINING_STEPS = 6000
    MOVING_AVERAGE_DECAY = 0.99
    
    # 模型保存的路径和文件名
    MODEL_SAVE_PATH = r".\cnn_model"
    MODEL_NAME = "model.ckpt"
    
    def train(mnist):
        # 定义输入输出placeholder。
        x = tf.placeholder(tf.float32,
                           [None,
                            mnist_cnn_inference.IMAGE_SIZE,
                            mnist_cnn_inference.IMAGE_SIZE,
                            mnist_cnn_inference.NUM_CHANNELS],
                           name='x-input')
        y_ = tf.placeholder(tf.float32, [None, mnist_cnn_inference.OUTPUT_NODE], name='y-input')
    
        regularizer = tf.contrib.layers.l2_regularizer(REGULARIZATION_RATE)
        # 直接使用mnist_inference.py中定义的前向传播过程
        y = mnist_cnn_inference.inference(x, True, regularizer)
        global_step = tf.Variable(0, trainable=False)
    
        # 定义损失函数、学习率、滑动平均操作以及训练过程
        variable_averages = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)
        variable_averages_op = variable_averages.apply(tf.trainable_variables())
        cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=tf.argmax(y_, 1))
        cross_entropy_mean = tf.reduce_mean(cross_entropy)
        loss = cross_entropy_mean + tf.add_n(tf.get_collection('losses'))
        learning_rate = tf.train.exponential_decay(LEARNING_RATE_BASE,
                                                   global_step,
                                                   mnist.train.num_examples / BATCH_SIZE,
                                                   LEARNING_RATE_DECAY)
        train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_step)
        with tf.control_dependencies([train_step, variable_averages_op]):
            train_op = tf.no_op(name='train')
    
    
        # 初始化TensorFlow持久化类
        saver = tf.train.Saver()
        with tf.Session() as sess:
            tf.global_variables_initializer().run()
    
            # 在训练过程中不再测试模型在验证数据上的表现，验证和测试的过程将会有一个独
            # 立的程序来完成。
            for i in range(TRAINING_STEPS):
                xs, ys = mnist.train.next_batch(BATCH_SIZE)
                reshaped_xs = np.reshape(xs, [-1, mnist_cnn_inference.IMAGE_SIZE, mnist_cnn_inference.IMAGE_SIZE,
                                              mnist_cnn_inference.NUM_CHANNELS])
                _, loss_value, step = sess.run([train_op, loss, global_step],
                                               feed_dict={x: reshaped_xs, y_: ys})
                # 每1000轮保存一次模型
                if i % 1000 == 0:
    
                    # 输出当前的训练情况。这里只输出了模型在当前训练batch上的损失
                    # 函数大小。通过损失函数的大小可以大概了解训练的情况。在验证数
                    # 据集上正确率的信息会有一个单独的程序来生成
                    print("After %d training step(s), loss on training "
                          "batch is %g." % (step, loss_value))
    
                    # 保存当前的模型。注意这里给出了global_step参数，这样可以让每个
                    # 被保存的模型的文件名末尾加上训练的轮数，比如“model.ckpt-1000”，
                    # 表示训练1000轮之后得到的模型。
                    saver.save(sess, os.path.join(MODEL_SAVE_PATH, MODEL_NAME), global_step=global_step)
    
    def main(argv=None):
        mnist = input_data.read_data_sets(r".\data", one_hot=True)
        train(mnist)
    
    if __name__ == "__main__":
        tf.app.run()

mnist测试集在模型上测试

文件名：mnist\_cnn\_eval.py

# -*- coding: utf-8 -*-
    import time
    import numpy as np
    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
    
    # 加载mnist_inference.py 和mnist_train.py中定义的常量和函数。
    import mnist_cnn_inference
    import mnist_cnn_train
    
    # 每10秒加载一次最新的模型， 并在测试数据上测试最新的正确率
    EVAL_INTERVAL_SECS = 10
    BATCH_SIZE = 1000
    
    
    def evaluate(mnist):
        with tf.Graph().as_default() as g:
            # 定义输入输出的格式
            x = tf.placeholder(tf.float32, [BATCH_SIZE, mnist_cnn_inference.IMAGE_SIZE, mnist_cnn_inference.IMAGE_SIZE,
                                            mnist_cnn_inference.NUM_CHANNELS], name='x-input')
            y_ = tf.placeholder(tf.float32, [None, mnist_cnn_inference.OUTPUT_NODE], name='y-input')
            xs = mnist.validation.images[:1000]
            reshaped_xs = np.reshape(xs, [BATCH_SIZE, mnist_cnn_inference.IMAGE_SIZE, mnist_cnn_inference.IMAGE_SIZE,
                                          mnist_cnn_inference.NUM_CHANNELS])
            validate_feed = {x: reshaped_xs,
                             y_: mnist.validation.labels[:1000]}
            # 前向传播
            y = mnist_cnn_inference.inference(x, False, None)
            # 使用前向传播的结果计算正确率
            correct_prediction = tf.equal(tf.arg_max(y, 1), tf.arg_max(y_, 1))
            accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    
            # 通过变量重命名的方式来加载模型
            variable_averages = tf.train.ExponentialMovingAverage(mnist_cnn_train.MOVING_AVERAGE_DECAY)
            variables_to_restore = variable_averages.variables_to_restore()
            saver = tf.train.Saver(variables_to_restore)
    
            # 每隔EVAL_INTERVAL_SECS秒调用一次计算正确率的过程以检测训练过程中正确率的变化
            while True:
                with tf.Session() as sess:
                    ckpt = tf.train.get_checkpoint_state(mnist_cnn_train.MODEL_SAVE_PATH)
                    if ckpt and ckpt.model_checkpoint_path:
                        # 加载模型
                        saver.restore(sess, ckpt.model_checkpoint_path)
                        # 通过文件名得到模型保存时迭代的轮数
                        global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
                        accuracy_score = sess.run(accuracy, feed_dict=validate_feed)
                        print("After %s training step(s), validation ""accuracy = %g" % (global_step, accuracy_score))
                    else:
                        print('No checkpoint file found')
                        return
                    time.sleep(EVAL_INTERVAL_SECS)
    
    
    def main(argv=None):
        mnist = input_data.read_data_sets(r".\data", one_hot=True)
        evaluate(mnist)
    
    
    if __name__ == '__main__':
        tf.app.run()

*  ### 总结 ###

一些经典的用于图片分类问题的卷积神经网络架构：

### 输入层→（卷积层+→池化层？）+→全连接层+ ###

池化层虽然可以起到减少参数防止过拟合，但在部分论文中发现可以直接调整卷积层步长来完成；

在过滤器的深度上，大部分卷积神经网路都采用逐层递增的方；

卷积层的步长一般为1，池化层用的最多的是最大池化；

池化层过滤器大小一般为2或3，移动步长一般也为2或3。

[70]: /images/20220518/587988c77fb54daba5a13d04bb63662a.png