深度学习笔记1---Minist机器学习

最近在看一本书，何之源老师的《21个项目玩转深度学习》，感觉不错，特此做个笔记。

Minist手写体识别也算是深度学习入门的一个教程，本篇有俩个部分，一个是softamx回归，一个是俩层卷积网络分类。

• softmax回归

1. 读取MINIST数据

1. # 从tensorflow.examples.tutorials.mnist引入模块。这是TensorFlow为了教学MNIST而提前编制的程序
   from tensorflow.examples.tutorials.mnist import input_data
   # 从MNIST_data/中读取MNIST数据。这条语句在数据不存在时，会自动执行下载
   mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
   
   # 查看训练数据的大小
   print(mnist.train.images.shape)  # (55000, 784)
   print(mnist.train.labels.shape)  # (55000, 10)
   
   # 查看验证数据的大小
   print(mnist.validation.images.shape)  # (5000, 784)
   print(mnist.validation.labels.shape)  # (5000, 10)
   
   # 查看测试数据的大小
   print(mnist.test.images.shape)  # (10000, 784)
   print(mnist.test.labels.shape)  # (10000, 10)
   
   # 打印出第0幅图片的向量表示
   print(mnist.train.images[0, :])
   
   # 打印出第0幅图片的标签
   print(mnist.train.labels[0, :])

   minis对象里有60000张图，在TensorFlow里划分为55000张训练图和5000张验证图，并且被划分为三部分：minist.train是训练集，minist.validation是验证集，minist.test是测试集。

2. 将MINIST数据保存为图片

   1. #coding: utf-8
      from tensorflow.examples.tutorials.mnist import input_data
      import scipy.misc
      import os
      
      # 读取MNIST数据集。如果不存在会事先下载。
      mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
      
      # 我们把原始图片保存在MNIST_data/raw/文件夹下
      # 如果没有这个文件夹会自动创建
      save_dir = 'MNIST_data/raw/'
      if os.path.exists(save_dir) is False:
          os.makedirs(save_dir)
      
      # 保存前20张图片
      for i in range(20):
          # 请注意，mnist.train.images[i, :]就表示第i张图片（序号从0开始）
          image_array = mnist.train.images[i, :]
          # TensorFlow中的MNIST图片是一个784维的向量，我们重新把它还原为28x28维的图像。
          image_array = image_array.reshape(28, 28)
          # 保存文件的格式为 mnist_train_0.jpg, mnist_train_1.jpg, ... ,mnist_train_19.jpg
          filename = save_dir + 'mnist_train_%d.jpg' % i
          # 将image_array保存为图片
          # 先用scipy.misc.toimage转换为图像，再调用save直接保存。
          scipy.misc.toimage(image_array, cmin=0.0, cmax=1.0).save(filename)
      
      print('Please check: %s ' % save_dir)

   每张图是28×28大小，故而单个样本有784维数据

3. 图像标签独热表示

   # coding: utf-8
   from tensorflow.examples.tutorials.mnist import input_data
   import numpy as np
   # 读取mnist数据集。如果不存在会事先下载。
   mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
   
   # 看前20张训练图片的label
   for i in range(20):
       # 得到one-hot表示，形如(0, 1, 0, 0, 0, 0, 0, 0, 0, 0)
       one_hot_label = mnist.train.labels[i, :]
       # 通过np.argmax我们可以直接获得原始的label
       # 因为只有1位为1，其他都是0
       label = np.argmax(one_hot_label)
       print('mnist_train_%d.jpg label: %d' % (i, label))

   所谓的独热表示就是“一位有效编码”。什么意思呢？在这个程序里，图像标签是0~9，但我们用10维向量表示这10个类别，每个类别单独占一位，任何时候独热表示中只有一位是1，其他都为0。比如0可以独热表示为（1,0,0,0,0,0,0,0,0,0），1可以独热表示为（0,1,0,0,0,0,0,0,0,0），9可以独热表示为（0,0,0,0,0,0,0,0,0,1）。所以N个类别可以用N维数组表示。
4. softmax回归

1. # coding:utf-8
   # 导入tensorflow。
   # 这句import tensorflow as tf是导入TensorFlow约定俗成的做法，请大家记住。
   import tensorflow as tf
   # 导入MNIST教学的模块
   from tensorflow.examples.tutorials.mnist import input_data
   # 与之前一样，读入MNIST数据
   mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
   
   # 创建x，x是一个占位符（placeholder），代表待识别的图片
   x = tf.placeholder(tf.float32, [None, 784])
   
   # W是Softmax模型的参数，将一个784维的输入转换为一个10维的输出
   # 在TensorFlow中，变量的参数用tf.Variable表示
   W = tf.Variable(tf.zeros([784, 10]))
   # b是又一个Softmax模型的参数，我们一般叫做“偏置项”（bias）。
   b = tf.Variable(tf.zeros([10]))
   
   # y=softmax(Wx + b)，y表示模型的输出
   y = tf.nn.softmax(tf.matmul(x, W) + b)
   
   # y_是实际的图像标签，同样以占位符表示。
   y_ = tf.placeholder(tf.float32, [None, 10])
   
   # 至此，我们得到了两个重要的Tensor：y和y_。
   # y是模型的输出，y_是实际的图像标签，不要忘了y_是独热表示的
   # 下面我们就会根据y和y_构造损失
   
   # 根据y, y_构造交叉熵损失
   cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y)))
   
   # 有了损失，我们就可以用随机梯度下降针对模型的参数（W和b）进行优化
   train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
   
   # 创建一个Session。只有在Session中才能运行优化步骤train_step。
   sess = tf.InteractiveSession()
   # 运行之前必须要初始化所有变量，分配内存。
   tf.global_variables_initializer().run()
   print('start training...')
   
   # 进行1000步梯度下降
   for _ in range(2000):
       # 在mnist.train中取100个训练数据
       # batch_xs是形状为(100, 784)的图像数据，batch_ys是形如(100, 10)的实际标签
       # batch_xs, batch_ys对应着两个占位符x和y_
       batch_xs, batch_ys = mnist.train.next_batch(100)
       # 在Session中运行train_step，运行时要传入占位符的值
       sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
   
   # 正确的预测结果
   correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
   # 计算预测准确率，它们都是Tensor
   accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
   # 在Session中运行Tensor可以得到Tensor的值
   # 这里是获取最终模型的正确率
   print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))  # 0.9185
   

       softmax是一个线性多分类分类器，来源于Logistic回归模型，但Logistic回归模型是一个二分类的模型，这俩种模型会将各类别的“打分转为合理的概率值”。比如一个样本可能属于三个类别（a，b，c），使用softmax函数可以，相应的值会转化为(e^a/(e^a+e^b+e^c ),e^b/(e^a+e^b+e^c ),e^c/(e^a+e^b+e^c ))，即：该样本属于第一类的概率是e^a/(e^a+e^b+e^c )，属于第二类的概率是e^b/(e^a+e^b+e^c )，属于第三类样本的概率是e^c/(e^a+e^b+e^c )，其和正好等于1。
   心得：1）使用tf.placeholder()函数创建了一些占位符，通常用于存储样本数据和标签，感觉可以看做形参。
             2）tf.Variable()创建了一些变量，用于储存模型的参数

• 俩层卷积网络分类

  # coding: utf-8
  import tensorflow as tf
  from tensorflow.examples.tutorials.mnist import input_data
  
  
  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)
  
  
  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')
  
  
  if __name__ == '__main__':
      # 读入数据
      mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
      # x为训练图像的占位符、y_为训练图像标签的占位符
      x = tf.placeholder(tf.float32, [None, 784])
      y_ = tf.placeholder(tf.float32, [None, 10])
  
      # 将单张图片从784维向量重新还原为28x28的矩阵图片
      x_image = tf.reshape(x, [-1, 28, 28, 1])
  
      # 第一层卷积层
      W_conv1 = weight_variable([5, 5, 1, 32])
      b_conv1 = bias_variable([32])
      h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
      h_pool1 = max_pool_2x2(h_conv1)
  
      # 第二层卷积层
      W_conv2 = weight_variable([5, 5, 32, 64])
      b_conv2 = bias_variable([64])
      h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
      h_pool2 = max_pool_2x2(h_conv2)
  
      # 全连接层，输出为1024维的向量
      W_fc1 = weight_variable([7 * 7 * 64, 1024])
      b_fc1 = bias_variable([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)
      # 使用Dropout，keep_prob是一个占位符，训练时为0.5，测试时为1
      keep_prob = tf.placeholder(tf.float32)
      h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
  
      # 把1024维的向量转换成10维，对应10个类别
      W_fc2 = weight_variable([1024, 10])
      b_fc2 = bias_variable([10])
      y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2
  
      # 我们不采用先Softmax再计算交叉熵的方法，而是直接用tf.nn.softmax_cross_entropy_with_logits直接计算
      cross_entropy = tf.reduce_mean(
          tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))
      # 同样定义train_step
      train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
  
      # 定义测试的准确率
      correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
      accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  
      # 创建Session和变量初始化
      sess = tf.InteractiveSession()
      sess.run(tf.global_variables_initializer())
  
      # 训练20000步
      for i in range(20000):
          batch = mnist.train.next_batch(50)
          # 每100步报告一次在验证集上的准确度
          if i % 100 == 0:
              train_accuracy = accuracy.eval(feed_dict={
                  x: batch[0], y_: batch[1], keep_prob: 1.0})
              print("step %d, training accuracy %g" % (i, train_accuracy))
          train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
  
      # 训练结束后报告在测试集上的准确度
      print("test accuracy %g" % accuracy.eval(feed_dict={
          x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

定义了四个函数：weight_variable函数返回给定形状的变量，并自动以截断正态分布初始化，bias_variable返回给定形状的变量，他们初始值都是1，分别用这俩个函数创建卷积的核与偏置。