卷积神经网络(1)----Lenet-5

一、Lenet-5的结构                                                                                                                    点击此处返回总目录

二、lenet-5在Mnist上的应用

 

 

 

 

 

一、Lenet-5结构

Lenet-5是LeCun等人在1998年提出。结构如下:

 

     卷积神经网络(1)----Lenet-5_第1张图片

 

或:

               卷积神经网络(1)----Lenet-5_第2张图片

 

 

(C1)Lenet-5首先使用了6个5*5*1的核对输入的32*32*1的图片进行卷积计算。卷积计算后的结果通过激活函数。由于不使用0填充,步长为1,用padding公式计算得到,输出图片长为28。由于用了6个核,所以深度是6。参数个数为(5*5*1+1)*6 = 156个。

 

(S2)随后,使用了2*2的核对输出的28*28*6的图片进行池化,步长是2。输入长28除以步长2等于14。可见通过池化操作,减少了75%的图片信息。池化操作不改变图片的深度,所以输出是14*14*6。

 

(C3)使用16个5*5*6的核。核的深度要和输入的深度一致,所以核的深度是6。一个卷积核会把6张图变成一张图。参数的个数为(5*5*6+1)*16 = 2416个。不使用0填充,步长为1。输出尺寸大小为(14-5+1)/1 = 10。输出图片的深度等于使用卷积核的个数,所以输出为16个10*10的特征图。卷积计算的结果通过激活函数。

 

注意,这里简化了,其实并不都是5*5*6的核。16个Feature Map不是全部连接到6个Feature Map的输出的,有些只连接了其中几个Feature Map,这样增加了模型的多样性。其连接图为:

               卷积神经网络(1)----Lenet-5_第3张图片

          如果这样算,参数的个数为:(5*5*3+1) + (5*5*3+1) + (5*5*3+1) + (5*5*3+1) + (5*5*3+1) + (5*5*3+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*4+1) + (5*5*6+1) =(5*5*3+1)*6 + (5*5*4+1)*9 +(5*5*6+1)*1 = 76*6 + 101*9 + 151*1 = 1516个。

(S4)使用2*2的池化核,对16个10*10的图片进行池化,步长为2。池化不改变图片的深度。输出16个5*5的图片。

 

(C5)最后把16个5*5的图片拉成一维数组,再送到全连接网络。

           C5层的一种解释是:使用120个5*5*16的卷积核进行卷积。每个卷积核的大小跟图片大小相同,所以使用一个卷积核生成的一个图片只包含一个像素点。120个卷积核产生120个像素点。卷积核参数有(5*5*16+1)*120=48120个

           C5层的另一种解释是:首先把16张5*5的图片拉成一维数组,再送到全连接神经网络。输入5*5*16个点,经过一层的全连接神经网络,生成了120个点。全连接神经网络的参数有(5*5*16)*120个w+120个b = 48120个参数。

 

(F6)1层的全连接网络。参数有120*84个w+84个b=10164个。

 

 

二、Lenet-5在Mnist数据集上的应用

由于MNIST数据集存放的是28*28*1的灰度图片,我们把Lenet-5进行更改,让他匹配28*28*1的输入图片。

先用32个5*5*1的卷积核对输入的28*28*1的图片做卷积,过激活函数。由于使用全0填充,所以输出图片的分辨率和输入图片的一致,是28*28。由于使用了32个卷积核,输出深度是使用卷积核的个数,所以输出32个28*28的图片。

有2*2的核对图片进行池化操作,得到32个14*14的图片。

由于深度是32,所以使用了5*5*32的卷积核对图片进行卷积操作。全0填充,步长为1,所以输出图片也是14*14。使用了64个卷积核,所以输出深度是64。

再用2*2的核对它进行池化,得到64个7*7的图片。

拉直之后就是卷积神经网络提取的特征,再喂给全连接神经网络。

                        卷积神经网络(1)----Lenet-5_第4张图片

 

我们来看一下代码,

 

//mnist_lenet5_forward.py

#coding:utf-8
import tensorflow as tf

 

#首先给出搭建神经网络使用的常数
IMAGE_SIZE = 28            #MNIST数据集每张图片的分辨率是28
NUM_CHANNELS = 1           #是灰度图,所以通道数是1
CONV1_SIZE = 5             #第一层卷积核的大小是5
CONV1_KERNEL_NUM = 32      #第一层使用了32个卷积核
CONV2_SIZE = 5             #第二层卷积核的大小是5
CONV2_KERNEL_NUM = 64      #第二层使用了64个卷积核
FC_SIZE = 512              #第一个全连接网络有512个神经元
OUTPUT_NODE = 10           #第二个全连接神经网络有10个神经元,对应了10分类的输出

 

def get_weight(shape, regularizer):   #权重生成函数。shape表示生成张量的维度。regularizer表示正则化权重。
    w = tf.Variable(tf.truncated_normal(shape,stddev=0.1))   #生成去掉过大偏离点的正太分布随机数。
    if regularizer != None: tf.add_to_collection('losses', tf.contrib.layers.l2_regularizer(regularizer)(w)) 
    return w                                                 #返回随机初试化的权重w

 

def get_bias(shape):                  #偏置生成函数。shape表示生成张量的维度。
    b = tf.Variable(tf.zeros(shape))  #生成初始值为0的偏置b
    return b

 

def conv2d(x,w):                      #卷积计算函数.要给出输入图片x,和所用卷积核w
    #x是对输入的描述,是一个4阶张量。第一阶给出一次喂入多少张图片,也就是batch,第二阶给出图片行

    #分辨率,第三阶给出图片列分辨率,第四阶给出输入的通道数。
    #w是对卷积核的描述,也是个四阶张量。第一阶第二阶分别给出核的行列分辨率,第三阶是通道数,第四阶

    #是有多少个卷积核。
    return tf.nn.conv2d(x, w, strides=[1, 1, 1, 1], padding='SAME') #滑动步长为1.使用0填充。

 

def max_pool_2x2(x):                  #最大池化计算函数
    #x是对输入的描述,是个四阶张量。第一阶给出一次喂入多少张图片,也就是batch。

    #第二三阶给出行列分辨率。第四阶给出输入通道数。
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') #池化核大小是2*2的。行列步长都是2.

 

def forward(x, train, regularizer): #forward()函数给出了前向传播的网络结构,

    #初始化第一层卷积核。[5*5*1*32]
    conv1_w = get_weight([CONV1_SIZE, CONV1_SIZE, NUM_CHANNELS, CONV1_KERNEL_NUM], regularizer)
    conv1_b = get_bias([CONV1_KERNEL_NUM]) #初始化第一层偏置。[32]
    conv1 = conv2d(x, conv1_w)                                      #卷积计算,输入是x,卷积核conv1_w
    relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_b)) #对卷积后的输出conv1添加偏置,通过relu()函数.
    pool1 = max_pool_2x2(relu1) #将激活后的输出,进行最大池化。

    #第二层卷积核的深度等于上层卷积核的个数。 

    conv2_w = get_weight([CONV2_SIZE, CONV2_SIZE, CONV1_KERNEL_NUM, CONV2_KERNEL_NUM],regularizer)
    conv2_b = get_bias([CONV2_KERNEL_NUM])
    conv2 = conv2d(pool1, conv2_w) #卷积的输入是上层的输出pool1.
    relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_b))  #过激活函数。
    pool2 = max_pool_2x2(relu2)   #过最大池化。pool2是第二层卷积的输出。需要把它从三维张量变为二维张量。

    pool_shape = pool2.get_shape().as_list()    #pool2的维度存入list中。
    nodes = pool_shape[1] * pool_shape[2] * pool_shape[3]  #提取特征的长度宽度深度,他们相乘就是所有特征点的个数。

    #pool_shape[0]是一个batch的值。把pool2变为batch行,nodes列的二维形状。再把reshape喂到全连接网络里。
    reshaped = tf.reshape(pool2, [pool_shape[0], nodes])

    fc1_w = get_weight([nodes, FC_SIZE], regularizer) 
    fc1_b = get_bias([FC_SIZE]) 
    fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_w) + fc1_b)  #把上层的输出reshaped乘以本层线上的权重fc1_w,加上权重,过relu函数。
    if train: fc1 = tf.nn.dropout(fc1, 0.5)    #如果是训练阶段,则对该层的输出使用50%的dropout.

    fc2_w = get_weight([FC_SIZE, OUTPUT_NODE], regularizer) #第二层全连接神经网络。初始化w
    fc2_b = get_bias([OUTPUT_NODE])                         #初始化b
    y = tf.matmul(fc1, fc2_w) + fc2_b                       #得到输出y
        
    return y

 

//mnist_lenet5_backward.py

#coding:utf-8
#基本与fc2相同,只增加了对输入数据的形状调整。
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import mnist_lenet5_forward
import os
import numpy as np

 

BATCH_SIZE = 100
LEARNING_RATE_BASE =  0.005 
LEARNING_RATE_DECAY = 0.99 
REGULARIZER = 0.0001 
STEPS = 50000 
MOVING_AVERAGE_DECAY = 0.99 
MODEL_SAVE_PATH="./model/" 
MODEL_NAME="mnist_model" 

 

def backward(mnist):
    x = tf.placeholder(tf.float32,[     #由于卷积的输入要求是4阶张量,所以x的placeholder占位用这种方法给出。指定x是32位浮点型。
    BATCH_SIZE,                           #第一阶给出每轮喂入多少张特征图片,也就是batch_size
    mnist_lenet5_forward.IMAGE_SIZE,      #第二阶是行分辨率。
    mnist_lenet5_forward.IMAGE_SIZE,      #第三阶是列分辨率。
    mnist_lenet5_forward.NUM_CHANNELS])   #第4阶是输入的通道数。
    y_ = tf.placeholder(tf.float32, [None, mnist_lenet5_forward.OUTPUT_NODE])
    y = mnist_lenet5_forward.forward(x,True, REGULARIZER)    #由于反向传播计算y时,在训练网络参数,所以写True,表示训练参数时,使用dropout
    global_step = tf.Variable(0, trainable=False) 

    ce = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=tf.argmax(y_, 1))
    cem = tf.reduce_mean(ce) 
    loss = cem + 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,
        staircase=True) 
    
    train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_step)

    ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)
    ema_op = ema.apply(tf.trainable_variables())
    with tf.control_dependencies([train_step, ema_op]): 
        train_op = tf.no_op(name='train')

    saver = tf.train.Saver() 

    with tf.Session() as sess: 
        init_op = tf.global_variables_initializer() 
        sess.run(init_op) 

        ckpt = tf.train.get_checkpoint_state(MODEL_SAVE_PATH) 
        if ckpt and ckpt.model_checkpoint_path:
            saver.restore(sess, ckpt.model_checkpoint_path) 

        for i in range(STEPS):
            xs, ys = mnist.train.next_batch(BATCH_SIZE) 
            reshaped_xs = np.reshape(xs,(              #用np.reshape()实现了从数据集中取出的xs,进行reshape()操作。
            BATCH_SIZE,
            mnist_lenet5_forward.IMAGE_SIZE,
            mnist_lenet5_forward.IMAGE_SIZE,
            mnist_lenet5_forward.NUM_CHANNELS))
            _, loss_value, step = sess.run([train_op, loss, global_step], feed_dict={x: reshaped_xs, y_: ys}) #用sess.run把喂入神经网络的x做了同样的修改。
            if i % 100 == 0: 
                print("After %d training step(s), loss on training batch is %g." % (step, loss_value))
                saver.save(sess, os.path.join(MODEL_SAVE_PATH, MODEL_NAME), global_step=global_step)

def main():
    mnist = input_data.read_data_sets("./data/", one_hot=True) 
    backward(mnist)

if __name__ == '__main__':
    main()

//mnist_lenet5_test.py

#coding:utf-8
#在测试程序中,会输出识别准确率,也仅对x的形状做了调整。
import time
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import mnist_lenet5_forward
import mnist_lenet5_backward
import numpy as np

 

TEST_INTERVAL_SECS = 5

 

def test(mnist):
    with tf.Graph().as_default() as g: 
        x = tf.placeholder(tf.float32,[  
            mnist.test.num_examples,
            mnist_lenet5_forward.IMAGE_SIZE,
            mnist_lenet5_forward.IMAGE_SIZE,
            mnist_lenet5_forward.NUM_CHANNELS]) 
        y_ = tf.placeholder(tf.float32, [None, mnist_lenet5_forward.OUTPUT_NODE])
        y = mnist_lenet5_forward.forward(x,False,None)    #由于测试是使用训练好的网络,所以不使用dropout,所有神经元都要参加运算。

        ema = tf.train.ExponentialMovingAverage(mnist_lenet5_backward.MOVING_AVERAGE_DECAY)
        ema_restore = ema.variables_to_restore()
        saver = tf.train.Saver(ema_restore)
        
        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1)) 
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 

        while True:
            with tf.Session() as sess:
                ckpt = tf.train.get_checkpoint_state(mnist_lenet5_backward.MODEL_SAVE_PATH)
                if ckpt and ckpt.model_checkpoint_path:
                    saver.restore(sess, ckpt.model_checkpoint_path)
                    
                    global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1] 
                    reshaped_x = np.reshape(mnist.test.images,(
                    mnist.test.num_examples,
                    mnist_lenet5_forward.IMAGE_SIZE,
                    mnist_lenet5_forward.IMAGE_SIZE,
                    mnist_lenet5_forward.NUM_CHANNELS))
                    accuracy_score = sess.run(accuracy, feed_dict={x:reshaped_x,y_:mnist.test.labels}) 
                    print("After %s training step(s), test accuracy = %g" % (global_step, accuracy_score))
                else:
                    print('No checkpoint file found')
                    return
            time.sleep(TEST_INTERVAL_SECS) 

def main():
    mnist = input_data.read_data_sets("./data/", one_hot=True)
    test(mnist)

if __name__ == '__main__':
    main()

运行结果:

卷积神经网络(1)----Lenet-5_第5张图片

最后准确率跑出来为98.81%

 

运行的比较漫长,看来应该用GPU来跑了~~

 

 

 

 

 

 

 

 

你可能感兴趣的:(17,深度学习)