Python代码实现CNN手写数字识别——MNIST数据集
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~