Python代码实现CNN手写数字识别——MNIST数据集

亦凉 2022-10-05 03:59 266阅读 0赞

注释很详细，这里不再赘述。

import tensorflow.compat.v1 as tf
    tf.disable_v2_behavior()
    from tensorflow.examples.tutorials.mnist import input_data  # 下载数据集
    
    # 初始化参数
    def weight_variable(shape):
        initial = tf.truncated_normal(shape, stddev=0.1)
        # shape是必选项，输出张量维度，stddev=0.1用于设置正态分布被截断前的标准差
        return tf.Variable(initial)
    
    def bias_variable(shape):
        initial = tf.constant(0.1, shape=shape)
        # 开始时设置为0.1
        return tf.Variable(initial)
    
    def conv2d(x, W):
        return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
    
    def max_pool_2x2(x):
        return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
        # ksize为卷积核大小  padding取valid时卷积之后图像大小为N=（imgSize-ksize）/strides
        # x 表示输入图像，要求是一个tensor具有[batch，in_height，in_width，in_channels]这样的shape，为float32或者64
        # 过滤器要求是一个tensor，具有[filter_height，filter_width，in_channels，out_channels]这样的shape
    
    # 获取数据
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    
    # tf.name_scope()和tf.variable_scope()是两个作用域，
    # 一般与两个创建/调用变量的函数tf.variable() 和tf.get_variable()搭配使用，用于变量共享
    # input image:pixel 28*28 = 784
    with tf.name_scope('input'):
        x = tf.placeholder(tf.float32, [None, 784])
        y_ = tf.placeholder('float', [None, 10])  # y_ 代表真实结果
        # 创建占位符是 tf 读取数据的一种方法，让python代码来提供数据
    
    with tf.name_scope('image'):
        x_image = tf.reshape(x, [-1, 28, 28, 1])  # -1表示由实际情况来定，图像数目*宽*高/28/28/1=第一维数
        tf.summary.image('input_image', x_image, 8)
        # 输出带图像的probuf，汇总数据的图像的的形式如下： ’ tag /image/0’, ’ tag /image/1’…，如：input/image/0等
    
    # 第一个卷积层
    with tf.name_scope('conv_layer1'):
        W_conv1 = weight_variable([5, 5, 1, 32])  # 卷积核（kernel）: 5*5*1, kernel个数: 32
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)  # 输出（output）: 28*28*32
    # 池化
    with tf.name_scope('pooling_layer'):
        h_pool1 = max_pool_2x2(h_conv1)  # 最大池化, 输出（output）: 14*14*32
    
    # 第二个卷积层
    with tf.name_scope('conv_layer2'):
        W_conv2 = weight_variable([5, 5, 32, 64])  # 卷积核（kernel）: 5*5, 深度: 32, kernel个数: 64
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)  # 输出（output）: 14*14*64
    # 池化
    with tf.name_scope('pooling_layer'):
        h_pool2 = max_pool_2x2(h_conv2)  # 最大池化, 输出（output）: 7*7*64
    
    
    # 第一个全连接层
    with tf.name_scope('fc_layer3'):
        W_fc1 = weight_variable([7 * 7 * 64, 1024])
        b_fc1 = bias_variable([1024])  # 大小 : 1*1024
        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)  # 输出（output）: 1*1024
    
    # dropout层  dropout层一般加在全连接层 防止过拟合，提升模型泛化能力
    with tf.name_scope('dropout'):
        keep_prob = tf.placeholder(tf.float32)
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
    
    
    # 第二个全连接层
    # 训练模型 : y = softmax(x * w + b)
    with tf.name_scope('output_fc_layer4'):
        W_fc2 = weight_variable([1024, 10])
        b_fc2 = bias_variable([10])  # 大小 : 1*10
    
    with tf.name_scope('softmax'):
        y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)  # 输出（output）: 1*10
    
    with tf.name_scope('lost'):
        cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))   # 交叉熵计算损失函数
        tf.summary.scalar('lost', cross_entropy)
    
    with tf.name_scope('train'):
        train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
        # AdamOptimizer是tensorflow中的一种优化器，1e-4是学习率
        # 为了最小化损失函数，需要用到反向传播思想，随机梯度下降算法来最小化损失函数
    
    with tf.name_scope('accuracy'):
        correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
        tf.summary.scalar('accuracy', accuracy)  # 显示标量信息
        '''
        tf.argmax(y_conv, 1) 是返回第二维（行方向）上最大值的索引，
        tf.equal() 是比较两个值是否相等，返回一个 bool 值（True or False），
        tf.cast() 是将bool 值转换为 1.0 or 0.0 的浮点类型，
        tf.reduce_mean() 是计算平均值。
        '''
    
    merged = tf.summary.merge_all()
    train_summary = tf.summary.FileWriter(r'C:\Users\12956\Anaconda3\Lib\site-packages', tf.get_default_graph())
    # 将这里的地址路径改成tensorboard文件夹的绝对路径地址
    
    init = tf.global_variables_initializer()
    # 进行初始化，之前只是定义variable
    
    # 执行
    with tf.Session() as sess:
        sess.run(init)
        # 构建一个session，在session中运行
        # 训练数据 : 得到参数 w 和 b
        for i in range(2000):  # 迭代2000次
            batch = mnist.train.next_batch(50)
            # 批量给网络提供数据
    
            result, _ = sess.run([merged, train_step], feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
            # 在mnist数据集中，0是输入的图片，1是输入的标签，这个batch是784*10的
            # train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
    
            if i % 100 == 0:
                # train_accuracy = sess.run(accuracy, feed_dict)
                train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})  # 无dropout
                print('step %d, training accuracy %g' % (i, train_accuracy))
    
                # result = sess.run(merged, feed_dict={x: batch[0], y_: batch[1]})
                train_summary.add_summary(result, i)
    
        train_summary.close()
    
        print('test accuracy %g' % accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

可以直接复制运行，记得将路径改一下~

#import tensorflow as tf
    import tensorflow.compat.v1 as tf
    tf.disable_v2_behavior()
    #from tensorflow.examples.tutorials.mnist import input_data
    #用下面这几句代码来代替上面这句
    #import tensorflow as tf
    
    tf.__version__
    mint = tf.keras.datasets.mnist
    (x_, y_), (x_1, y_1) = mint.load_data()
    import matplotlib.pyplot as plt
    plt.imshow(x_[0], cmap="binary")
    plt.show()
    
    import tensorflow.examples.tutorials.mnist.input_data as input_data
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    
    # import tensorflow as tf
    # (train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
    
    # from tensorflow.examples.tutorials.mnist import input_data
    # mnist = input_data.read_data_sets ( ” MNIST_data/ ”, one_hot=True)
    
    # import tensorflow.examples.tutorials.mnist.input_data as input_data
    # mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    
    # 初始化权重函数
    def weight_variable(shape):
        initial = tf.truncated_normal(shape, stddev=0.1);  # 生成维度是shape标准差是0.1的正态分布数
        return tf.Variable(initial)
    
    
    # 初始化偏置项
    def bias_variable(shape):
        initial = tf.constant(0.1, shape=shape)  # 生成维度为shape的全为0.1的向量
        return tf.Variable(initial)
    
    
    # 定义卷积函数
    def conv2d(x, w):
        return tf.nn.conv2d(x, w, strides=[1, 1, 1, 1], padding='SAME')
        # strides： 卷积时在图像每一维的步长，这是一个一维的向量，
        # [ 1, strides, strides, 1]，第一位和最后一位固定必须是1
        # padding参数是string类型，值为“SAME” 和 “VALID”，表示的是卷积的形式。
        # 设置为"SAME"时，会在原图像边缘外增加几圈0来使卷积后的矩阵和原图像矩阵的维度相同
        # 设置为"VALID"则不考虑这一点，卷积后的矩阵维度会相应减少，例如原图像如果是5*5，卷积核是3*3
        # 那么卷积过后的输出矩阵回是3*3的
    
    
    # 定义一个2*2的最大池化层
    def max_pool_2_2(x):
        return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
        # 第一个参数value：需要池化的输入，一般池化层接在卷积层后面，
        # 依然是[batch, height, width, channels]这样的shape
        # 第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，
        # 因为我们不想在batch和channels上做池化，所以这两个维度设为了1
        # 第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，
        # 一般也是[1, stride,stride, 1]
        # 第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'
    
    
    if __name__ == "__main__":
        # 定义输入变量
        x = tf.placeholder("float", shape=[None, 784])  # 占位
        # 浮点型变量，行数不定，列数为784(每个图像是一个长度为784（28*28）的向量)
    
        # 定义输出变量
        y_ = tf.placeholder("float", shape=[None, 10])  # 占位
        # 浮点型变量，行数不定，列数为10,输出一个长度为10的向量来表示每个数字的可能性
        # 初始化权重,第一层卷积，32的意思代表的是输出32个通道
        # 其实，也就是设置32个卷积，每一个卷积都会对图像进行卷积操作
    
        w_conv1 = weight_variable([5, 5, 1, 32])  # 生成了32个5*5的矩阵
        # 初始化偏置项
        b_conv1 = bias_variable([32])
    
        x_image = tf.reshape(x, [-1, 28, 28, 1])
        # 将输入的x转成一个4D向量，第2、3维对应图片的宽高，最后一维代表图片的颜色通道数
        # 输入的图像为灰度图，所以通道数为1，如果是RGB图，通道数为3
        # tf.reshape(x,[-1,28,28,1])的意思是将x自动转换成28*28*1的数组
        # -1的意思是代表不知道x的shape，它会按照后面的设置进行转换
    
        # 卷积并激活
        h_conv1 = tf.nn.relu(conv2d(x_image, w_conv1) + b_conv1)
        # 池化
        h_pool1 = max_pool_2_2(h_conv1)
        # 第二层卷积
        # 初始权重
        w_conv2 = weight_variable([5, 5, 32, 64])
        # 在32个第一层卷积层上每个再用一个5*5的卷积核在做特征提取，并输出到第二层卷积层，
        # 第二层设置了64个卷积层
    
        # 初始化偏置项
        b_conv2 = bias_variable([64])
        # 将第一层卷积池化后的结果作为第二层卷积的输入加权求和后激活
        h_conv2 = tf.nn.relu(conv2d(h_pool1, w_conv2) + b_conv2)
        # 池化
        h_pool2 = max_pool_2_2(h_conv2)
        # 设置全连接层的权重
        w_fc1 = weight_variable([7 * 7 * 64, 1024])
        # 28*28的原图像经过两次池化后变为7*7，设置了1024个输出单元
    
        # 设置全连接层的偏置
        b_fc1 = bias_variable([1024])
        # 将第二层卷积池化后的结果，转成一个7*7*64的数组
        h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])
        # 通过全连接之后并激活
        h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, w_fc1) + b_fc1)
        # 防止过拟合
        keep_prob = tf.placeholder("float")  # 占位
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
        # 设置每个单元保留的概率来随机放弃一些单元来防止过拟合
    
        # 输出层
        w_fc2 = weight_variable([1024, 10])
        b_fc2 = bias_variable([10])
        # 加权求和并激活
        y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, w_fc2) + b_fc2)
    
        # 日志输出，每迭代100次输出一次日志
        # 定义交叉熵为损失函数
        cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv))
        # 最小化交叉熵
        train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
        # 计算准确率
        correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
        sess = tf.Session()
        sess.run(tf.initialize_all_variables())
        # 上面的两行是在为tf的输出变量做准备
        # 下载minist的手写数字的数据集
        mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
        for i in range(20000):  # 迭代20000次
            batch = mnist.train.next_batch(50)  # 设置batch，即每次用来训练模型的数据个数
            if i % 100 == 0:  # 每100次迭代输出一次精度
                train_accuracy = accuracy.eval(session=sess, feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
                # 给之前占位的x和y_本次训练的batch个数据中第一个数据的图像矩阵和标签，不考虑过拟合
                # 计算当前的精度
    
                print("step %d,training accuracy %g" % (i, train_accuracy))
            train_step.run(session=sess, feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
            # 当i不能被100整除时的训练过程，考虑过拟合，单元保留的概率为0.5
    
        print("test accuracy %g" % accuracy.eval(session=sess, feed_dict={
            x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
        # 输出测试集的精度

两种代码实现的功能一样，只是写法不同，第一种是使用with方法编写的，第二种是C语言思想编写的，先定义函数，再使用。

学无止境，一起学习~