第2例 基于卷积神经网络LeNet的手写体数字识别

第2例 基于卷积神经网络LeNet的手写体数字识别

---

卷积操作就是提取图像的边缘纹理特征的。
卷积神经网络去做图像分类的思路非常简单：

1. 先使用卷积运算对图像进行边缘纹理特征提取，多层卷积即是提取深度特征的边缘纹理特征；卷积核是通过机器学习得到的，所以具体提取到什么样的纹理我们不必要去考究。
2. 再使用全连接(分类器)最提取到的特征进行分类。

思路： 卷积神经网络 = 提取特征（卷积层、池化） + 分类器（全连接层）

1. 卷积神经网络LeNet的结构

LeNet网络结构如下：

相比全连接网络做分类图像，它多了一些卷积网络的层，如卷积层、池化层。

LeNet的过程：
C1卷积层：输入是灰度图像1x32x32，输出是6x28x28，卷积核大小是5x5，卷积滑动步长Stride是1。
S2池化层：输入6x28x28，输出6x14x14，采样区域是2x2，步长是2，使用平均池化；池化后通过sigmoid。
C3卷积层：输入6x14x14，输出16x10x10，卷积核使用5x5，步长1；
S4池化层：使用最大池化进行下采样，输入16x10x10，输出16x5x5，采样区域是2x2，步长是2；
C5卷积层：卷积层替换全连接层，输入16x5x5，卷积核还是5x5，输出120x1x1；
F6全连接层：输入120，输出84；
输出层：也是全连接层，输入84，输出10；
最后：经过softmax层，输入84，输出10数据（表示0-9十个数据的概率）。

2. 代码实现

2.1 网络搭建

LeNet的网络结构代码实现如下：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

class LeNet(keras.Model):
    def __init__(self, num_classes=10):
        """ 搭建网络的层 """
        super(LeNet, self).__init__()
        self.c1 = layers.Conv2D(6, (5,5), strides=1, padding="same")
        self.s2 = layers.AveragePooling2D(pool_size=(2, 2), strides=2, padding='same')
        self.a1 = layers.Activation('sigmoid')
        self.c3 = layers.Conv2D(16, (5,5), strides=1, padding="same")
        self.s4 = layers.AveragePooling2D(pool_size=(2, 2), strides=2, padding='same')
        self.c5 = layers.Conv2D(120, (5,5), strides=1, padding="same")
        self.flatten1 = layers.Flatten()
        self.f6 = layers.Dense(84, activation="sigmoid", use_bias=True)
        self.out = layers.Dense(10, activation="sigmoid", use_bias=True) # 输出层
        self.softmax = layers.Softmax() # 定义softmax层 
    
    def call(self, x):
        x = self.c1(x)
        x = self.a1(self.s2(x))
        x = self.c3(x)
        x = self.s4(x)
        x = self.flatten1(self.c5(x))
        x = self.f6(x)
        x = self.out(x)
        x = self.softmax(x)
        return x

2.2 数据集MNIST读取

这里读取MNIST的压缩包数据，即解压并读取到内存。

import struct
import os
import numpy as np
import gzip

def load_images(filename):
    """load images
    filename: the name of the file containing data
    return -- a matrix containing images as row vectors
    """
    g_file = gzip.GzipFile(filename)
    data = g_file.read()
    magic, num, rows, columns = struct.unpack('>iiii', data[:16])
    dimension = rows*columns
    X = np.zeros((num,rows,columns), dtype='uint8')
    offset = 16
    for i in range(num):
        a = np.frombuffer(data, dtype=np.uint8, count=dimension, offset=offset)
        X[i] = a.reshape((rows, columns))
        offset += dimension
    return X

def load_labels(filename):
    """load labels
    filename: the name of the file containing data
    return -- a row vector containing labels
    """
    g_file = gzip.GzipFile(filename)
    data = g_file.read()
    magic, num = struct.unpack('>ii', data[:8])
    d = np.frombuffer(data,dtype=np.uint8, count=num, offset=8)
    return d

def load_data(foldername):
    """加载MINST数据集
    foldername: the name of the folder containing datasets
    return -- train_X训练数据集, train_y训练数据集对应的标签,
        test_X测试数据集, test_y测试数据集对应的标签
    """
    # filenames of datasets
    train_X_name = "train-images-idx3-ubyte.gz"
    train_y_name = "train-labels-idx1-ubyte.gz"
    test_X_name = "t10k-images-idx3-ubyte.gz"
    test_y_name = "t10k-labels-idx1-ubyte.gz"
    train_X = load_images(os.path.join(foldername, train_X_name))
    train_y = load_labels(os.path.join(foldername,train_y_name))
    test_X = load_images(os.path.join(foldername, test_X_name))
    test_y = load_labels(os.path.join(foldername, test_y_name))
    return train_X, train_y, test_X, test_y

2.3 数据预处理

调用tensorflow2.x的数据集管理接口，在process_image函数中，我把：

1. 数据维度转成HWC（tensorflow框架默认格式）；
2. 图像的数据用Numpy读取是int8，要转成float32才能送入网络。
3. 标签转换网络onehot格式，如类别1 --> [0 1 0 0 0 0 0 0 0 0]。

def process_image(image, label):
    """ 图片预处理 """
    image = tf.expand_dims(image, axis=2)       # 扩充一个维度,变成HWC
    image = tf.cast(image, dtype=tf.float32)    # 数据类型转换为float32
    label = tf.one_hot(label, depth=10)         # 标签转成onehot格式
    return image, label

def get_dataset(X, Y, is_shuffle=False, batch_size=64):
    ds = tf.data.Dataset.from_tensor_slices((X, Y))
    ds = ds.map(process_image)
    ds = ds.shuffle(buffer_size=1024)
    ds = ds.batch(batch_size)
    return ds

2.4 训练模型代码

import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras import layers,losses, metrics
from data_manager import load_data
from network.lenet import LeNet

class TrainModel():
    def __init__(self, lr=0.1):
        self.model = LeNet(num_classes=10)                  # 定义网络
        self.model.build(input_shape=(None, 28, 28, 1))     # BHWC
        self.model.summary()
        self.loss_fun = losses.CategoricalCrossentropy()    # 定义损失函数, 这里交叉熵
        self.opt = tf.optimizers.SGD(learning_rate=lr)      # 随机梯度下降优化器
        self.train_acc_metric = metrics.CategoricalAccuracy()   # 设定统计参数
        self.val_acc_metric = metrics.CategoricalAccuracy()

    def train(self, fpath="./data/MNIST", epochs=200, m=50):
        """ 训练网络 """
        batch_size = 64
        test_acc_list = []
        # 读取数据集
        train_X, train_y, test_X, test_y = load_data(fpath)
        train_dataset = get_dataset(train_X, train_y, is_shuffle=True, batch_size=batch_size)
        val_dataset = get_dataset(test_X, test_y, is_shuffle=False, batch_size=batch_size)
        # 训练
        loss_val = 0
        for epoch in range(epochs):
            print(" ** Start of epoch {} **".format(epoch))
            # 每次获取一个batch的数据来训练
            for nbatch, (inputs, labels) in enumerate(train_dataset):
                with tf.GradientTape() as tape:                 # 开启自动求导
                    y_pred = self.model(inputs)                 # 前向计算  
                    loss_val = self.loss_fun(labels, y_pred)    # 误差计算
                    grads = tape.gradient(loss_val, self.model.trainable_variables)         # 梯度计算
                    self.opt.apply_gradients(zip(grads, self.model.trainable_variables))    # 权重更新
                    self.train_acc_metric(labels, y_pred)   # 更新统计传输
                    if nbatch % m == 0: # 打印
                        correct = tf.equal(tf.argmax(labels, 1), tf.argmax(y_pred, 1))
                        acc = tf.reduce_mean(tf.cast(correct, tf.float32))
                        print('{}-{} train_loss:{:.5f}, train_acc:{:.5f}'.format(epoch, nbatch, float(loss_val), acc))
            # 输出统计参数的值
            train_acc = self.train_acc_metric.result()
            self.train_acc_metric.reset_states()
            print('Training acc over epoch: {}, acc:{:.5f}'.format(epoch, float(train_acc)))
            # 每次迭代在验证集上测试一次
            for nbatch, (inputs, labels) in enumerate(val_dataset):
                y_pred = self.model(inputs)
                self.val_acc_metric(labels, y_pred)
            val_acc = self.val_acc_metric.result()
            self.val_acc_metric.reset_states()
            print('Valid acc over epoch: {}, acc:{:.5f}'.format(epoch, float(val_acc)))
            test_acc_list.append(val_acc)
        # 训练完成保存模型
        tf.saved_model.save(self.model, "./output/mnist_model")
        # 画泛化能力曲线(横坐标是epoch, 测试集上的精度),并保存
        x = np.arange(1, len(test_acc_list)+1, 1)
        y = np.array(test_acc_list)
        plt.plot(x, y)
        plt.xlabel("epoch")
        plt.ylabel("val_acc")
        plt.title('model acc in valid dataset')
        plt.savefig("./output/val_acc.png", format='png')

2.5 执行训练

if __name__ == "__main__":
    path = "./output"
    if not os.path.exists(path):
        os.makedirs(path)
    model = TrainModel()
    model.train()

2.6 结果

1. 卷积神经网络相对全连接，训练精度收敛很快，在第5个epoch的时候就达到0.95；
   （全连接网络训练到140个批次才收敛到0.95，而且是最高精度）
   

2. 最后结果：
   我训练了100次迭代，在训练精度0.98，验证集0.98
   
   epoch-valid_acc曲线图：
   

要是对大家有所帮助，不要忘记点赞、关注、收藏哦~~~~~