附完整代码:AI实战训练第一个AI模型“MNIST手写数字识别模型”

在上篇文章中,我们已经把AI的基础环境搭建好了(见文章:

Ubuntu + conda + tensorflow + GPU + pycharm搭建AI基础环境

),接下来将基于tensorflow训练第一个AI模型:MNIST手写数字识别模型。

MNIST是一个经典的手写数字数据集,来自美国国家标准与技术研究所,由不同人手写的0至9的数字构成,由60000个训练样本集和10000个测试样本集构成,每个样本的尺寸为28x28,以二进制格式存储,如下图所示:

MNIST手写数字识别模型的主要任务是:输入一张手写数字的图像,然后识别图像中手写的是哪个数字。

该模型的目标明确、任务简单,数据集规范、统一,数据量大小适中,在普通的PC电脑上都能训练和识别,堪称是深度学习领域的“Hello World!”,学习AI的入门必备模型。

0、AI建模主要步骤

在构建AI模型时,一般有以下主要步骤:准备数据、数据预处理、划分数据集、配置模型、训练模型、评估优化、模型应用,如下图所示:

下面将按照主要步骤进行介绍。

由于MNIST数据集太经典了,很多深度学习书籍在介绍该入门模型案例时,基本上就是直接下载获取数据,然后就进行模型训练,最后得出一个准确率出来。但这样的入门案例学习后,当要拿自己的数据来训练模型,却往往不知该如何处理数据、如何训练、如何应用。在本文,将分两种情况进行介绍:

(1)使用MNIST数据(本案例)

(2)使用自己的数据

下面将针对模型训练的各个主要环节进行介绍,便于读者快速迁移去训练自己的数据模型。

1、准确数据

准备数据是训练模型的第一步,基础数据可以是网上公开的数据集,也可以是自己的数据集。视觉、语音、语言等各种类型的数据在网上都能找到相应的数据集(具体请见文章:深度学习的常用公开数据集)。

(1)使用MNIST数据(本案例)

MNIST数据集由于非常经典,已集成在tensorflow里面,可以直接加载使用,也可以从MNIST的官网上(http://yann.lecun.com/exdb/mnist/)直接下载数据集,代码如下:

from tensorflow.examples.tutorials.mnist import input_data

# 数据集路径

data_dir='/home/roger/data/work/tensorflow/data/mnist'

# 自动下载 MNIST 数据集

mnist = input_data.read_data_sets(data_dir, one_hot=True)

# 如果自动下载失败,则手工从官网上下载 MNIST 数据集,然后进行加载

# 下载地址 http://yann.lecun.com/exdb/mnist/

#mnist=input_data.read_data_sets(data_dir,one_hot=True)

集成或下载的MNIST数据集已经是打好标签了,直接使用就行。

(2)使用自己的数据

如果是使用自己的数据集,在准备数据时的重要工作是“标注数据”,也就是对数据进行打标签,主要的标注方式有:

① 整个文件打标签。例如MNIST数据集,每个图像只有1个数字,可以从0至9建10个文件夹,里面放相应数字的图像;也可以定义一个规则对图像进行命名,如按标签+序号命名;还可以在数据库里面创建一张对应表,存储文件名与标签之间的关联关系。如下图:

② 圈定区域打标签。例如ImageNet的物体识别数据集,由于每张图片上有各种物体,这些物体位于不同位置,因此需要圈定某个区域进行标注,目前比较流行的是VOC2007、VOC2012数据格式,这是使用xml文件保存图片中某个物体的名称(name)和位置信息(xmin, ymin, xmax, ymax)。

如果图片很多,一张一张去计算位置信息,然后编写xml文件,实在是太耗时耗力了。所幸,有一位大神开源了一个数据标注工具labelImg (https://github.com/tzutalin/labelImg),只要在界面上画框标注,就能自动生成VOC格式的xml文件了,非常方便,如下图所示:

③ 数据截段打标签。针对语音识别、文字识别等,有些是将数据截成一段一段的语音或句子,然后在另外的文件中记录对应的标签信息。

2、数据预处理

在准备好基础数据之后,需要根据模型需要对基础数据进行相应的预处理。

(1)使用MNIST数据(本案例)

由于MNIST数据集的尺寸统一,只有黑白两种像素,无须再进行额外的预处理,直接拿来建模型就行。

(2)使用自己的数据

而如果是要训练自己的数据,根据模型需要一般要进行以下预处理:

a. 统一格式:即统一基础数据的格式,例如图像数据集,则全部统一为jpg格式;语音数据集,则全部统一为wav格式;文字数据集,则全部统一为UTF-8的纯文本格式等,方便模型的处理;

b. 调整尺寸:根据模型的输入要求,将样本数据全部调整为统一尺寸。例如LeNet模型是32x32,AlexNet是224x224,VGG是224x224等;

c. 灰度化:根据模型需要,有些要求输入灰度图像,有些要求输入RGB彩色图像;

d. 去噪平滑:为提升输入图像的质量,对图像进行去噪平滑处理,可使用中值滤波器、高斯滤波器等进行图像的去噪处理。如果训练数据集的图像质量很好了,则无须作去噪处理;

e. 其它处理:根据模型需要进行直方图均衡化、二值化、腐蚀、膨胀等相关的处理;

f. 样本增强:有一种观点认为神经网络是靠数据喂出来的,如果能够增加训练数据的样本量,提供海量数据进行训练,则能够有效提升算法的质量。常见的样本增强方式有:水平翻转图像、随机裁剪、平移变换,颜色、光照变换等,如下图所示:

3、划分数据集

在训练模型之前,需要将样本数据划分为训练集、测试集,有些情况下还会划分为训练集、测试集、验证集。

(1)使用MNIST数据(本案例)

本案例要训练模型的MNIST数据集,已经提供了训练集、测试集,代码如下:

(2)使用自己的数据

如果是要划分自己的数据集,可使用scikit-learn工具进行划分,代码如下:

from sklearn.cross_validation import train_test_split

# 随机选取75%的数据作为训练样本,其余25%的数据作为测试样本

# X_data:数据集

# y_labels:数据集对应的标签

X_train,X_test,y_train,y_test=train_test_split(X_data,y_labels,test_size=0.25,random_state=33)

4、配置模型

接下来是选择模型、配置模型参数,建议先阅读深度学习经典模型的文章(见文章白话卷积神经网络模型),便于快速掌握深度学习模型的相关知识。

(1)选择模型

本案例将采用LeNet模型来训练MNIST手写数字模型,LeNet是一个经典卷积神经网络模型,结构简单,针对MNIST这种简单的数据集可达到比较好的效果,LeNet模型的原理介绍请见文章(白话CNN经典模型:LeNet),网络结构图如下:

(2)设置参数

在训练模型时,一般要设置的参数有:

# 模型的相关参数

step_cnt=10000 # 训练模型的迭代次数

batch_size=100 # 每次迭代时,批量获取样本的数据量

learning_rate=0.001 # 学习率

除此之外还有卷积层权重和偏置、池化层权重、全联接层权重和偏置、优化函数等等,根据模型需要进行设置。

5、训练模型

接下来便是根据选择好的模型,构建网络,然后开始训练。

(1)构建模型

本案例按照LeNet的网络模型结构,构建网络模型,网络结果如下

代码如下:

# 训练数据,占位符

x = tf.placeholder("float", shape=[None, 784])

# 训练的标签数据,占位符

y_ = tf.placeholder("float", shape=[None, 10])

# 将样本数据转为28x28

x_image = tf.reshape(x, [-1, 28, 28, 1])

# 保留概率,用于 dropout 层

keep_prob = tf.placeholder(tf.float32)

# 第一层:卷积层

# 卷积核尺寸为5x5,通道数为1,深度为32,移动步长为1,采用ReLU激励函数

conv1_weights = tf.get_variable("conv1_weights", [5, 5, 1, 32], initializer=tf.truncated_normal_initializer(stddev=0.1))

conv1_biases = tf.get_variable("conv1_biases", [32], initializer=tf.constant_initializer(0.0))

conv1 = tf.nn.conv2d(x_image, conv1_weights, strides=[1, 1, 1, 1], padding='SAME')

relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))

# 第二层:最大池化层

# 池化核的尺寸为2x2,移动步长为2,使用全0填充

pool1 = tf.nn.max_pool(relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# 第三层:卷积层

# 卷积核尺寸为5x5,通道数为32,深度为64,移动步长为1,采用ReLU激励函数

conv2_weights = tf.get_variable("conv2_weights", [5, 5, 32, 64], initializer=tf.truncated_normal_initializer(stddev=0.1))

conv2_biases = tf.get_variable("conv2_biases", [64], initializer=tf.constant_initializer(0.0))

conv2 = tf.nn.conv2d(pool1, conv2_weights, strides=[1, 1, 1, 1], padding='SAME')

relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))

# 第四层:最大池化层

# 池化核尺寸为2x2, 移动步长为2,使用全0填充

pool2 = tf.nn.max_pool(relu2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# 第五层:全连接层

fc1_weights = tf.get_variable("fc1_weights", [7 * 7 * 64, 1024],

initializer=tf.truncated_normal_initializer(stddev=0.1))

fc1_baises = tf.get_variable("fc1_baises", [1024], initializer=tf.constant_initializer(0.1))

pool2_vector = tf.reshape(pool2, [-1, 7 * 7 * 64])

fc1 = tf.nn.relu(tf.matmul(pool2_vector, fc1_weights) + fc1_baises)

# Dropout层(即按keep_prob的概率保留数据,其它丢弃),以防止过拟合

fc1_dropout = tf.nn.dropout(fc1, keep_prob)

# 第六层:全连接层

fc2_weights = tf.get_variable("fc2_weights", [1024, 10],

initializer=tf.truncated_normal_initializer(stddev=0.1)) # 神经元节点数1024, 分类节点10

fc2_biases = tf.get_variable("fc2_biases", [10], initializer=tf.constant_initializer(0.1))

fc2 = tf.matmul(fc1_dropout, fc2_weights) + fc2_biases

# 第七层:输出层

y_conv = tf.nn.softmax(fc2)

(2)训练模型

在训练模型时,需要选择优化器,也就是说要告诉模型以什么策略来提升模型的准确率,一般是选择交叉熵损失函数,然后使用优化器在反向传播时最小化损失函数,从而使模型的质量在不断迭代中逐步提升。

代码如下:

# 定义交叉熵损失函数

# y_ 为真实标签

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices=[1]))

# 选择优化器,使优化器最小化损失函数

train_step = tf.train.AdamOptimizer(learning_rate).minimize(cross_entropy)

# 返回模型预测的最大概率的结果,并与真实值作比较

correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))

# 用平均值来统计测试准确率

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

# 训练模型

saver=tf.train.Saver()

with tf.Session() as sess:

tf.global_variables_initializer().run()

for step in range(step_cnt):

batch = mnist.train.next_batch(batch_size)

if step % 100 == 0:

# 每迭代100步进行一次评估,输出结果,保存模型,便于及时了解模型训练进展

train_accuracy = accuracy.eval(feed_dict=)

print("step %d, training accuracy %g" % (step, train_accuracy))

saver.save(sess,model_dir+'/my_mnist_model.ctpk',global_step=step)

train_step.run(feed_dict=)

# 使用测试数据测试准确率

print("test accuracy %g" % accuracy.eval(feed_dict=))

训练的结果如下,由于MNIST数据集比较简单,模型训练很快就达到99%的准确率,如下图所示:

模型训练后保存的结果如下图所示:

6、评估优化

在使用训练数据完成模型的训练之后,再使用测试数据进行测试,了解模型的泛化能力,代码如下

# 使用测试数据测试准确率

test_acc=accuracy.eval(feed_dict=)

print("test accuracy %g" %test_acc)

模型测试结果如下:

7、模型应用

模型训练完成后,将模型保存起来,当要实际应用时,则通过加载模型,输入图像进行应用。代码如下:

# 加载 MNIST 模型

saver = tf.train.Saver()

with tf.Session() as sess:

saver.restore(sess, tf.train.latest_checkpoint(model_dir))

# 随机提取 MNIST 测试集的一个样本数据和标签

test_len=len(mnist.test.images)

test_idx=random.randint(0,test_len-1)

x_image=mnist.test.images[test_idx]

y=np.argmax(mnist.test.labels[test_idx])

# 跑模型进行识别

y_conv = tf.argmax(y_conv,1)

pred=sess.run(y_conv,feed_dict=)

print('正确:',y,',预测:',pred[0])

使用模型进行测试的结果如下图:

至此,一个完整的模型训练和应用的过程就介绍完了。

后面将陆续推出更多AI实战内容,敬请留意。

获取完整代码

想要阅读本案例的完整代码,请关注本公众号,然后回复“代码”关键字即可获取完整的训练模型代码。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180811G001ZO00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券