tensorflow筆記系列：
（一） tensorflow筆記：流程，概念和簡單代碼注釋
（二） tensorflow筆記：多層CNN代碼分析
（三） tensorflow筆記：多層LSTM代碼分析
（四） tensorflow筆記：常用函數說明
（五） tensorflow筆記：模型的保存與訓練過程可視化
（六）tensorflow筆記：使用tf來實現word2vec
在之前的tensorflow筆記：流程，概念和簡單代碼注釋 文章中，已經大概解釋了tensorflow的大概運行流程，並且提供了一個mnist數據集分類器的簡單實現。當然，因為結構簡單，最后的准確率在91%左右。似乎已經不低了？其實這個成績是非常不理想的。現在mnist的准確率天梯榜已經被刷到了99.5%以上。為了進一步提高准確率，官網還提供了一個多層的CNN分類器的代碼。相比之前的一層神經網絡，這份代碼的主要看點倒不是多層，而是CNN，也就是卷積神經網絡。
CNN的具體內容不再詳述，概述可以參考這里，詳細信息可以參見Convolutional Networks。一般來說，CNN網絡的前幾層為卷積層和采樣層（或者說池化層），在若干層卷積和池化以后，還有若干層全連接層（也就是傳統神經網絡），最后輸出分類信息。大概的結構示意圖如下圖所示
可以看到，CNN相比與傳統神經網絡，最大的區別就是引入了卷積層和池化層。這也是我們在代碼中要着重看的地方。
在下面的代碼中，卷積是使用tf.nn.conv2d, 池化使用tf.nn.max_pool,下面來詳細的講解一下這兩個函數的用法。
tf.nn.conv2d
這個函數的功能是：給定4維的input和filter，計算出一個2維的卷積結果。函數的定義為：
def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None):
前幾個參數分別是input, filter, strides, padding, use_cudnn_on_gpu, …下面來一一解釋
input：待卷積的數據。格式要求為一個張量，[batch, in_height, in_width, in_channels].
分別表示 批次數，圖像高度，寬度，輸入通道數。
filter： 卷積核。格式要求為[filter_height, filter_width, in_channels, out_channels].
分別表示 卷積核的高度，寬度，輸入通道數，輸出通道數。
strides :一個長為4的list. 表示每次卷積以后卷積窗口在input中滑動的距離
padding ：有SAME和VALID兩種選項，表示是否要保留圖像邊上那一圈不完全卷積的部分。如果是SAME，則保留
use_cudnn_on_gpu ：是否使用cudnn加速。默認是True
tf.nn.max_pool
進行最大值池化操作,而avg_pool 則進行平均值池化操作.函數的定義為：
def max_pool(value, ksize, strides, padding, data_format="NHWC", name=None):
value: 一個4D張量，格式為[batch, height, width, channels]，與conv2d中input格式一樣
ksize: 長為4的list,表示池化窗口的尺寸
strides: 池化窗口的滑動值，與conv2d中的一樣
padding: 與conv2d中用法一樣。
具體的代碼注釋如下：
# Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License at # # http://www.apache.org/licenses/LICENSE-2.0 # # Unless required by applicable law or agreed to in writing, software # distributed under the License is distributed on an "AS IS" BASIS, # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. # See the License for the specific language governing permissions and # limitations under the License. # ============================================================================== """A very simple MNIST classifier. See extensive documentation at http://tensorflow.org/tutorials/mnist/beginners/index.md """ from __future__ import absolute_import from __future__ import division from __future__ import print_function # Import data from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf flags = tf.app.flags FLAGS = flags.FLAGS flags.DEFINE_string('data_dir', '/tmp/data/', 'Directory for storing data') # 第一次啟動會下載文本資料，放在/tmp/data文件夾下 print(FLAGS.data_dir) mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True) def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) # 變量的初始值為截斷正太分布 return tf.Variable(initial) def bias_variable(shape): initial = tf.constant(0.1, shape=shape) return tf.Variable(initial) def conv2d(x, W): """ tf.nn.conv2d功能：給定4維的input和filter，計算出一個2維的卷積結果 前幾個參數分別是input, filter, strides, padding, use_cudnn_on_gpu, ... input 的格式要求為一個張量，[batch, in_height, in_width, in_channels],批次數，圖像高度，圖像寬度，通道數 filter 的格式為[filter_height, filter_width, in_channels, out_channels]，濾波器高度，寬度，輸入通道數，輸出通道數 strides 一個長為4的list. 表示每次卷積以后在input中滑動的距離 padding 有SAME和VALID兩種選項，表示是否要保留不完全卷積的部分。如果是SAME，則保留 use_cudnn_on_gpu 是否使用cudnn加速。默認是True """ return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') def max_pool_2x2(x): """ tf.nn.max_pool 進行最大值池化操作,而avg_pool 則進行平均值池化操作 幾個參數分別是：value, ksize, strides, padding, value: 一個4D張量，格式為[batch, height, width, channels]，與conv2d中input格式一樣 ksize: 長為4的list,表示池化窗口的尺寸 strides: 窗口的滑動值，與conv2d中的一樣 padding: 與conv2d中用法一樣。 """ return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') sess = tf.InteractiveSession() x = tf.placeholder(tf.float32, [None, 784]) x_image = tf.reshape(x, [-1,28,28,1]) #將輸入按照 conv2d中input的格式來reshape，reshape """ # 第一層 # 卷積核(filter)的尺寸是5*5, 通道數為1，輸出通道為32，即feature map 數目為32 # 又因為strides=[1,1,1,1] 所以單個通道的輸出尺寸應該跟輸入圖像一樣。即總的卷積輸出應該為?*28*28*32 # 也就是單個通道輸出為28*28，共有32個通道,共有?個批次 # 在池化階段，ksize=[1,2,2,1] 那么卷積結果經過池化以后的結果，其尺寸應該是？*14*14*32 """ W_conv1 = weight_variable([5, 5, 1, 32]) # 卷積是在每個5*5的patch中算出32個特征，分別是patch大小，輸入通道數目，輸出通道數目 b_conv1 = bias_variable([32]) h_conv1 = tf.nn.elu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) """ # 第二層 # 卷積核5*5，輸入通道為32，輸出通道為64。 # 卷積前圖像的尺寸為 ?*14*14*32， 卷積后為?*14*14*64 # 池化后，輸出的圖像尺寸為?*7*7*64 """ W_conv2 = weight_variable([5, 5, 32, 64]) b_conv2 = bias_variable([64]) h_conv2 = tf.nn.elu(conv2d(h_pool1, W_conv2) + b_conv2) h_pool2 = max_pool_2x2(h_conv2) # 第三層 是個全連接層,輸入維數7*7*64, 輸出維數為1024 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.elu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1) keep_prob = tf.placeholder(tf.float32) # 這里使用了drop out,即隨機安排一些cell輸出值為0，可以防止過擬合 h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) # 第四層，輸入1024維，輸出10維，也就是具體的0~9分類 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) # 使用softmax作為多分類激活函數 y_ = tf.placeholder(tf.float32, [None, 10]) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices=[1])) # 損失函數，交叉熵 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 使用adam優化 correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) # 計算准確度 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) sess.run(tf.initialize_all_variables()) # 變量初始化 for i in range(20000): batch = mnist.train.next_batch(50) if i%100 == 0: # print(batch[1].shape) 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}) print("test accuracy %g"%accuracy.eval(feed_dict={ x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))