基于Tensorflow框架CNN实现手写数字识别（一）：训练模型

        目前机器学习非常火热，深度学习是机器学习研究中的新领域；是基于数据的表征学习，观测值（例如一幅图像）可以是每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。 作为一种机器学习的方法已经成为了图像处理，目标检测，手写字符识别的一个热门工具； 开源的深度学习框架：Deeplearning4j(DL4j)，Theano，Torch，TensorFlow，Caffe…。我选用的是Tensorflow框架，我们可以用Tensorflow框架去实现一个简单的机器学习小项目（入门级别的）。

MNIST数据集:

1. 大型手写数字数据库(Modified National Institute of Standards and Technology database) 由70000张手写数字（0~9）的灰度图组成，由很多不同的人写成，包括60000张训练集和10000张测试集。
2. 以由表示图像及其标签的值组成的数组的形式保存。
3. 每张图片的大小是28×28像素，数字的大小是20×20像素，位于图片的中心。 Tensorflow中提供python源代码自动下载和安装
4. 包含四个文件：训练集图像/标签，测试集图像/标签

                                    训练集图片                                                                               训练集标签图片

                                                   

 CNN（卷积神经网络）

1. 卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，在大型图像的处理上有非常出色的表现。
2. 相邻层的神经元间的连接是非全连接的，同一层中某些神经元之间的连接的权重是共享的，避免了要进行人工特征提取等复杂的前期预处理过程。
3. 主要有两种类型的网络层，分别是卷积层和池化层。卷积层的作用是提取图像的各种特征；池化层的作用是对原始特征信号进行抽样。池化有最大池化和均值池化

简单的介绍了理论之后我们需要进行模型的训练，贴代码如下：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# mnist数据集被分成两部分：60000张的训练数据集（mnist.train）和10000张的测试数据集（mnist.test）
#准确的来说是三部分，这样的切分很重要，在机器学习模型设计时必须有一个单独的测试数据集
# 不用于训练而是用来评估这个模型的性能，从而更加容易把设计的模型推广到其他数据集上（即：泛化）
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
#卷积使用1步长（stride size），0边距（padding size）的模板，保证输出和输入是同一个大小
def conv2d(x, W):
# 池化用简单传统的2x2大小的模板做max pooling
def max_pool_2x2(x):
    # 不加padding='SAME'这个参数，运行时会出现如下报错：
    # max_pool() missing 1 required positional argument: 'padding'
    # return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], trides=[1, 2, 2, 1],padding='SAME')
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
#权重初始化
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)
#偏置量初始化
def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)
#创建模型
#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])  # 图像输入向量
y_ = tf.placeholder(tf.float32, [None, 10])  # 实际分布
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x,W) + b)
# 第一层卷积由一个卷积接一个max pooling完成。
# 卷积在每个5x5的patch中算出32个特征。卷积的权重张量是[5, 5, 1, 32]，
# 前两个维度是patch的大小（5x5），接着是输入的通道数目（1），最后是输出的通道数目（32）。
W_conv1 = weight_variable([5, 5, 1, 32])

# 对于每一个输出通道都有一个对应的偏置量。故为32。
b_conv1 = bias_variable([32])

# 为了用这一层，我们把x变成一个4d向量，其第2、第3维对应图片的宽、高，
# 最后一维代表图片的颜色通道数(因为是灰度图所以这里的通道数为1，如果是rgb彩色图，则为3)。
#调整输入图片，-1表示形状第一维的大小根据x自动确定
x_image = tf.reshape(x, [-1, 28, 28, 1])

# 把x_image和权值向量进行卷积，加上偏置项，然后应用ReLU激活函数，最后进行max pooling。
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

# 第二层卷积，把几个类似的层堆叠起来，构建一个更深的网络。
# 第二层中，每个5x5的patch会得到64个特征。
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)

# 连接层
# 图片尺寸减小到7x7，加入一个有1024个神经元的全连接层，用于处理整个图片。
# 我们把池化层输出的张量reshape成一些向量，乘上权重矩阵，加上偏置，然后对其使用ReLU。
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)

# 梯度下降
# Dropout是为了减少参数数量，减少过拟合而加入。
# 用一个placeholder来代表一个神经元的输出在dropout中保持不变的概率。
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# 输出层
# 添加一个softmax层，与前面的单层softmax regression一样。
w_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, w_fc2) + b_fc2)
# 训练评估模型
#交叉熵的计算
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
lr = tf.Variable(0.001, dtype=tf.float32)
#train_step = tf.train.AdagradOptimizer(1e-4).minimize(cross_entropy)
#梯度下降优化算法识别准确率更高,在feed_dict中加入额外的参数keep_prob来控制dropout比例。
train_step = tf.train.GradientDescentOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
saver = tf.train.Saver() #定义saver，保存模型
#初始化变量，分配内存
sess = tf.InteractiveSession()
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(20000):
        #batch粗略理解成表示一次训练的图片数量，不是越大越好，也不是越小越好，一般为50,（电脑貌似设100准确率比较高，但是卡）
        #自身电脑内存过小，分batch训练时小点比较好
        batch = mnist.train.next_batch(50)
        if i % 200 == 0:
            #后期大约4分钟输出一轮
            train_accuracy = accuracy.eval(session=sess,feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
            print("step %d, training accuracy %g" % (i, train_accuracy))
        sess.run(train_step, feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
         # 模型储存位置，未使用正则化
        saver.save(sess, 'E:/pycharm/GraduationDesign/log/step15000.ckpt')
    print('test accuracy %g' % accuracy.eval(session=sess,feed_dict={x:mnist.test.images,
                                                                     y_:mnist.test.labels,keep_prob:1.0}))

迭代两万次后的结果如下：