TensorFlow从1到2 | 第五章 非专家莫入!TensorFlow实现CNN

当看到本篇时,根据TensorFlow官方标准《Deep MNIST for Experts》(https://tensorflow.google.cn/get_started/mnist/pros),你已经达到Expert Level,要恭喜了。

且不说是否夸大其词,换一种角度,假如能乘坐时光机仅往回飞5年,借此CNN实现,你也能在ImageNet上叱咤风云,战无不胜。就算飞不回去,它在今天依然是大杀伤力武器,大批大批老算法等着你去枪毙,大片大片垂直领域换代产品等着你去落地。这还不够么?

上一篇TensorFlow从1到2 | 第四章: 拆解CNN架构 准备好了CNN的理论基础,本篇从代码层面,来看看TensorFlow如何搞定CNN,使识别精度达到99%以上。

分析代码的方式

再次说明下分析代码的方式。

与逐行分析代码不同,我偏好先清理代码涉及到的语言、工具的知识点,然后再去扫描逻辑。所以“Python必知必会”、“TensorFlow必知必会”将是首先出现的章节。

当然你也可以直接跳到代码部分:

tf_2-5_cnn.py:CNN识别MNIST数字,基于官方文档《Deep MNIST for Experts》(https://www.tensorflow.org/get_started/mnist/pros),略有微调;

tf_25_cnn_fashion_mnist.py(https://github.com/EthanYuan/TensorFlow/blob/master/TF1_3/tf_2-5_cnn_fashion_mnist.py):

CNN识别Fashion-MNIST(http://www.jianshu.com/p/2ed1707c610d);

代码运行环境:

1、Python 3.6.2;

2、TensorFlow 1.3.0 CPU version;

python必知必会

with在本篇所分析的代码中,用到了大量的With,值得一说。

With要搭配上下文管理器(Context Manager)对象使用。

所谓的上下文管理器对象,就是实现了上下文管理器协议(Context Manager Protocol)的对象。协议要求对象定义中必须实现__enter__()和__exit__()方法。

当看到下面语句时:

With Context Manager Object [as target]: Body

它有4个意思:

1、With块会在Body开始前自动调用Context Manager Object的__enter__()方法;

2、With块会在Body结束前自动调用Context Manager Object的__exit__()方法,即使Body还未执行完时发生了异常,__exit__()也总会被调用;

3、Body中出现异常时,Context Manager Object的__exit__()执行如果返回False,异常继续向上层抛出,如果返回True则该异常被忽略;

4、可选的as target并非是Context Manager Object本身,而是其调用__enter__()的返回值;

总的来说,With语句帮助上下文管理器对象实现了两个自动化的操作enter和exit,并充分考虑了异常情况。对于资源类对象(用完需要尽快释放)的使用,比如文件句柄、数据库连接等等,这无疑是一种简洁而完善的代码形式。

如果还想了解更多的细节,推荐阅读一篇老文章《浅谈Python的with语句》(https://www.ibm.com/developerworks/cn/opensource/os-cn-pythonwith/)。

TensorFlow必知必会

上面说的with,主要是为了配合TensorFlow的tf.name_scope。

tf.name_scope

先来体会下我设计的“玩具”(https://github.com/EthanYuan/TensorFlow/blob/master/TF1_3/tf_2-5_tf_name_scope.py)代码:

import tensorflow as tf with tf.name_scope('V1'): a1 = tf.Variable([50]) a2 = tf.Variable([100], name='a1') assert a1.name == 'V1/Variable:0' assert a2.name == 'V1/a1:0' with tf.name_scope("V2"): a1 = tf.add(a1, a2, name="Add_Variable_a1") a2 = tf.multiply(a1, a2, name="Add_Variable_a1") with tf.Session() as sess: sess.run(tf.global_variables_initializer()) assert a1.name == 'V2/Add_Variable_a1:0' assert sess.run(a1) == 150 assert a2.name == 'V2/Add_Variable_a1_1:0' assert sess.run(a2) == 15000 a2 = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='V1/a1:0')[0] assert a2.name == 'V1/a1:0'

可以看到,其中有两类与With的搭配。

一种是资源类的tf.Session,手工使用时总要记得在使用后调用tf.Session.close方法释放,而与With搭配使用,则会自动调用其__exit__()进行释放。

另一种是本节的重点,与With搭配的并不是“资源”,而是tf.name_scope()方法返回的对象,此时在With块中定义的节点,都会自动在属性name上添加name scope前缀:

  • 通过tf.Variable定义的变量节点,其属性name都添加了前缀;
  • 通过tf.add和tf.multiply定义的运算节点,其属性name也添加了前缀;

注意:通过tf.get_variable定义的节点,其属性name不受影响,tf.get_variable需要与tf.variable_scope搭配产生类似效果。

TensorFlow的name scope有什么作用呢?主要是两点:

1、起到名字空间的作用,name scope还可以嵌套,方便管理大规模计算图节点;

2、可视化优化控制,能够生成层次化的计算图,节点可以按照name scope进行折叠,见下图;

节点折叠

如果对上述介绍仍有疑问,请仔细读读下面我为此准备的:

  • tf.Variable()返回的a1、a2、a3等等Python变量,是对节点的引用,与节点的name属性没有半毛钱关系;
  • Node的name属性是计算图中节点的标识,Python层面的节点引用变量则不是,后者可以随时更改为对其他节点的引用;
  • 如果在Python层面失去了对某一节点的引用,节点并没有消失,也不会被自动回收,找回方法见玩具代码倒数第2行;
  • 有关TensorFlow计算图(Graph)基本构建单元Node的概念,请回顾《TensorFlow从0到1 - 2 - TensorFlow核心编程》。

CNN架构

扫清了障碍,终于可以开始构建CNN了。

TensorFlow官方《Deep MNIST for Experts》(https://tensorflow.google.cn/get_started/mnist/pros)中构建的CNN与LeNet-5的深度规模相当,具有5个隐藏层,但是卷积层滤波器的数量可多了不少:

  • 输入层placeholder;
  • reshape;
  • 隐藏层1:conv1卷积层,32个滤波器;
  • 隐藏层2:pool1池化层;
  • 隐藏层3:conv2卷积层,64个滤波器;
  • 隐藏层4:pool2池化层;
  • 隐藏层5:fc1全连接层;
  • dropout;
  • fc2输出层;

计算下网络中权重的数量:

5x5x1x32 + 5x5x32x64 + 7x7x64x1024 + 1024x10 = 800 + 51200 + 3211264 + 10240 = 3273504

这个并不算深的CNN有三百多万个参数,比之前识别MNIST所用的浅层神经网络,多了两个数量级。不过再仔细看下,两个卷积层包含的权重数量所占比例极小,导致参数量激增的是全连接网络层fc1。

下图是构建好的计算图(Computational Graph),得益于name scope的使用,它能够以“层”为粒度,清晰的显示出网络的骨架:

CNN

Tensors和Filters

示例代码中,有了更多工程化的考虑,对CNN的构建进行了封装,形成了函数deepnn,在函数内部,With代码块的使用,使得网络的前馈路径也相当清楚,这部分就不再赘述了。

本节的重点是我们构建的计算图节点上流动的Tensors,以及参与运算的Filters:

  • Tensor:4阶,shape形式为:[batch, width, height, channels];
  • Filter:4阶,shape形式为:[width, height, channels,F-amount];

deepnn函数定义如下(省略处用……代替):

def deepnn(x):     
with tf.name_scope('reshape'):         
x_image = tf.reshape(x, [-1, 28, 28, 1])      
with tf.name_scope('conv1'):         
W_conv1 = weight_variable([5, 5, 1, 32])        
 ……      
with tf.name_scope('pool1'):        
h_pool1 = max_pool_2x2(h_conv1)      
with tf.name_scope('conv2'):         
W_conv2 = weight_variable([5, 5, 32, 64])         
……      
with tf.name_scope('pool2'):         
h_pool2 = max_pool_2x2(h_conv2)      
with tf.name_scope('fc1'):         
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)      
with tf.name_scope('dropout'):        
 ……      
with tf.name_scope('fc2'):         
W_fc2 = weight_variable([1024, 10])        
 b_fc2 = bias_variable([10])          
y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2
 return y_conv, keep_prob
 Tensors-[batch, width, height, channels]:

1、x_image = tf.reshape(x, [-1, 28, 28, 1]):要将数据输入进二维的卷积网络,首先要进行一次reshape,把[batch, 784]的数据变成[-1, 28, 28, 1],其中batch位填入“-1”可以自适应输入,width和height位为输入图像的原始宽高,最后一位是原始图像的通道数1(灰度图为单通道);

2、h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64]):在将卷积网络的输出数据,输入全连接层时,需要再把数据拉平回一个2阶Tensor;

Filters-[width, height, channels,F-amount]:

1、W_conv1 = weight_variable([5, 5, 1, 32]):第一卷积层滤波器,width和height位为卷积核的宽高,channels位代表滤波器通道数(匹配输入),最后一位F-amount位代表滤波器的数量为32个(官方文档从输出数据的角度定义其为output channels也颇为合理);

2、W_conv2 = weight_variable([5, 5, 32, 64]):第二卷积层滤波器,仍采用5x5卷积核,具有32个channels,滤波器数量64个;

跨距Strides

为防止代码重复,卷积和池化这两项操作也进行了封装,前面缺失的滤波器的跨距(strides)定义,包含在这里。

conv2d定义:

def conv2d(x, W): return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

strides=[1, 1, 1, 1]:跨距(strides)默认情况下第一个参数batch与最后一个参数channels都是1,第二位width和第三位height这里也设为1;

max_pool_2x2定义:

def max_pool_2x2(x): return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

ksize=[1, 2, 2, 1]:池化滤波器采用了固定尺寸,池化操作是逐channel进行的,所以默认情况下第一个参数batch与最后一个参数channels都是1,第二位width和第三位height这里设为2,视野范围如一个“田”字;

strides=[1, 2, 2, 1]:跨距(strides)默认情况下第一个参数batch与最后一个参数channels都是1,第二位width和第三位height这里设为2,表示从左到右、从上到下以“田”字进行搜索;

滤波器还有一个padding参数,官方文档给出的计算方法(https://tensorflow.google.cn/api_docs/python/tf/nn/convolution)见下:

padding == 'SAME':output_spatial_shape = ceil(input_spatial_shape / strides);

padding == 'VALID':output_spatial_shape = ceil((input_spatial_shape - (spatial_filter_shape-1)) / strides);

测试结果

运行代码进行实测,与TensorFlow官方基本一致:

  • MNIST识别达到99.3%,明显超越了浅层神经网络;
  • 60次迭代CPU运行时间:4 hours,接近无法忍受,更深的网络必须上GPU了;

相同架构下,基于Fashion MNIST(http://www.jianshu.com/p/2ed1707c610d)数据集对网络重新进行了训练,验证集识别精度达到了92.64%。CNN的全能型,由此可见一斑。

Fashion MNIST训练过程输出

附完整代码

import argparse
 import sys
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
FLAGS = None
def deepnn(x):     
"""deepnn builds the graph for a deep net for classifying digits.     
Args:       
x: an input tensor with the dimensions (N_examples, 784), where 784 is       
the number of pixels in a standard MNIST image.     
Returns:       
A tuple (y, keep_prob). y is a tensor of shape (N_examples, 10), with       
values equal to the logits of classifying the digit into one of 10       
classes (the digits 0-9). keep_prob is a scalar placeholder for the       
probability of dropout.    
 """     
# Reshape to use within a convolutional neural net.     
# Last dimension is for "features" - there is only one here, since images     
# are grayscale -- it would be 3 for an RGB image, 4 for RGBA, etc.    
 with tf.name_scope('reshape'):         
x_image = tf.reshape(x, [-1, 28, 28, 1])     
# First convolutional layer - maps one grayscale image to 32 feature maps.    
 with tf.name_scope('conv1'):         
W_conv1 = weight_variable([5, 5, 1, 32])         
b_conv1 = bias_variable([32])         
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)     
# Pooling layer - downsamples by 2X.     
with tf.name_scope('pool1'):        
 h_pool1 = max_pool_2x2(h_conv1)     
# Second convolutional layer -- maps 32 feature maps to 64.     
with tf.name_scope('conv2'):         
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)     
# Second pooling layer.     
with tf.name_scope('pool2'):         
h_pool2 = max_pool_2x2(h_conv2)     
# Fully connected layer 1 -- after 2 round of downsampling, our 28x28 image     
# is down to 7x7x64 feature maps -- maps this to 1024 features.     
with tf.name_scope('fc1'):         
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)     
# Dropout - controls the complexity of the model, prevents co-adaptation of     
# features.     
with tf.name_scope('dropout'):         
keep_prob = tf.placeholder(tf.float32)         
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)     
# Map the 1024 features to 10 classes, one for each digit     
with tf.name_scope('fc2'):         
W_fc2 = weight_variable([1024, 10])         
b_fc2 = bias_variable([10])         
y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2     
return y_conv, keep_prob def conv2d(x, W):     
"""conv2d returns a 2d convolution layer with full stride."""     
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') def max_pool_2x2(x):     """max_pool_2x2 downsamples a feature map by 2X."""     
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],                           
strides=[1, 2, 2, 1], padding='SAME') def weight_variable(shape):    
 """weight_variable generates a weight variable of a given shape."""     
initial = tf.truncated_normal(shape, stddev=0.1)     
return tf.Variable(initial)
def bias_variable(shape):     
"""bias_variable generates a bias variable of a given shape."""     
initial = tf.constant(0.1, shape=shape)     
return tf.Variable(initial) def main(_):     
# Import data     
mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True,                                    validation_size=10000)     
# Create the model     
x = tf.placeholder(tf.float32, [None, 784])     
 # Define loss and optimizer     
y_ = tf.placeholder(tf.float32, [None, 10])     
# Build the graph for the deep net     
y_conv, keep_prob = deepnn(x)      
with tf.name_scope('loss'):        
 cross_entropy = tf.nn.softmax_cross_entropy_with_logits(labels=y_,                                                                 logits=y_conv)         
cross_entropy = tf.reduce_mean(cross_entropy)      
with tf.name_scope('adam_optimizer'):        
 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)     
with tf.name_scope('accuracy'):         
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))         
correct_prediction = tf.cast(correct_prediction, tf.float32)         
accuracy = tf.reduce_mean(correct_prediction)     
graph_location = 'MNIST/logs/tf2-4/train'     
print('Saving graph to: %s' % graph_location)     
train_writer = tf.summary.FileWriter(graph_location)     train_writer.add_graph(tf.get_default_graph())     
best = 0     
with tf.Session() as sess:         
sess.run(tf.global_variables_initializer())         
for epoch in range(60):             
for _ in range(1000):                
 batch = mnist.train.next_batch(50)                 
train_step.run(                     
feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})             
accuracy_validation = accuracy.eval(                 
feed_dict={                     
x: mnist.validation.images,                     
y_: mnist.validation.labels,                     
keep_prob: 1.0})             
print('epoch %d, validation accuracy %s' % (                 
epoch, accuracy_validation))             
best = (best, accuracy_validation)[                 
best <= accuracy_validation]    
 # Test trained model     
 print("best: %s" % best) if __name__ == '__main__':     parser = argparse.ArgumentParser()     parser.add_argument('--data_dir', type=str, default='../MNIST/',                        
 help='Directory for storing input data')     
FLAGS, unparsed = parser.parse_known_args()     
tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

下载tf_25_cnn.py(https://github.com/EthanYuan/TensorFlow/blob/master/TF1_3/tf_2-5_cnn.py)

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-11-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

教程 | PyTorch经验指南:技巧与陷阱

项目地址:https://github.com/Kaixhin/grokking-pytorch

751
来自专栏TensorFlow从0到N

TensorFlow从1到2 - 5 - 非专家莫入!TensorFlow实现CNN

当看到本篇时,根据TensorFlow官方标准《Deep MNIST for Experts》,你已经达到Expert Level,要恭喜了。 且不说是否夸大...

5889
来自专栏大数据文摘

斯坦福深度学习课程第六弹:一起来学Tensorflow part1

1875
来自专栏机器之心

教程 | 如何在Tensorflow.js中处理MNIST图像数据

对任何一个机器学习问题而言,数据处理都是很重要的一步。本文将采用 Tensorflow.js(0.11.1)的 MNIST 样例(https://github....

903
来自专栏机器之心

教程 | 没错,纯SQL查询语句可以实现神经网络

选自Medium 作者:Harisankar Haridas 机器之心编译 参与:陈韵竹、思源 我们熟知的SQL是一种数据库查询语句,它方便了开发者在大型数据中...

3674
来自专栏开心的学习之路

神经网络体系搭建(四)——快速上手TensorFlow

本篇是神经网络体系搭建的第四篇,解决体系搭建的TensorFlow相关问题,详见神经网络体系搭建(序) ? TensorFlow安装 建议用Anacond...

2975
来自专栏Android点滴积累

Android高效内存2:让图片占用尽可能少的内存

Android高效内存:让图片占用尽可能少的内存 一、让你的图片最小化 1.1 大图小图内存使用情况对比 大图:440 * 336    小图:220 * 16...

20511
来自专栏SnailTyan

Caffe源码解析(一) —— caffe.proto

caffe.proto是caffe数据结构定义的主要文件,本文主要是在caffe.proto代码的基础上加上了部分中文注释,其中的内容与caffe的protot...

3565
来自专栏iOSer成长记录

iOS-识别图片中二维码

在iOS的CoreImage的Api中,有一个CIDetector的类,Detector的中文翻译有探测器的意思,那么CIDetector是用来做哪些的呢?它可...

461
来自专栏WD学习记录

21个项目玩转深度学习 学习笔记(2)

事实上,必须先读入数据后才能进行计算,假设读入用时0.1s,计算用时0.9秒,那么没过1s,GPU都会有0.1s无事可做,大大降低了运算的效率。

651

扫描关注云+社区