回顾

本文基于MNIST入门

1
2
3

# load MNIST data
import input_data
mnist = input_data.read_data_sets("Mnist_data/", one_hot=True)

运行TensorFlow的InteractiveSession

Tensorflow依赖于一个高效的C++后端来进行计算。
与后端的这个连接叫做session。
一般而言，使用TensorFlow程序的流程是先创建一个图，然后在session中启动它。

这里，我们使用更加方便的InteractiveSession类。
通过它，可以更加灵活地构建代码。
它能在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。
这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。
如果没有使用InteractiveSession，那么需要在启动session之前构建整个计算图，然后启动该计算图。

1
2
3

# start tensorflow interactiveSession
import tensorflow as tf
sess = tf.InteractiveSession()

为了在Python中进行高效的数值计算，我们通常会使用像NumPy一类的库，将一些诸如矩阵乘法的耗时操作在Python环境的外部来计算，这些计算通常会通过其它语言并用更为高效的代码来实现。

但遗憾的是，每一个操作切换回Python环境时仍需要不小的开销。如果你想在GPU或者分布式环境中计算时，这一开销更加恐怖，这一开销主要可能是用来进行数据迁移。

TensorFlow也是在Python外部完成其主要工作，但是进行了改进以避免这种开销。其并没有采用在Python外部独立运行某个耗时操作的方式，而是先让我们描述一个交互操作图，然后完全将其运行在Python外部。这与Theano或Torch的做法类似。

因此Python代码的目的是用来构建这个可以在外部运行的计算图，以及安排计算图的哪一部分应该被运行。

构建一个多层卷积网络

###权重初始化

为了创建这个模型，我们需要创建大量的权重和偏置项。
这个模型中的权重在初始化时应该加入少量的噪声来打破对称性以及避免$0$梯度。
由于我们使用的是$ReLU$神经元，因此比较好的做法是用一个较小的正数来初始化偏置项，以避免神经元节点输出恒为$0$的问题$（dead$ $neurons）$。
为了不在建立模型的时候反复做初始化操作，我们定义两个函数用于初始化。

def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)

def bias_variable(shape):
    initial = tf.constant(0.1, shape = shape)
    return tf.Variable(initial)

卷积和池化

TensorFlow在卷积和池化上有很强的灵活性。
我们怎么处理边界？步长应该设多大？这里，我们会一直使用$vanilla$版本。
我们的卷积使用$1$步长$（stride$ $ size）$，$0$边距$（padding$ $ size）$的模板，保证输出和输入是同一个大小。
我们的池化用简单传统的$2*2$大小的模板做$max$ $ pooling$。
为了代码更简洁，我们把这部分抽象成一个函数。

# convolution
def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
# pooling
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# Create the model
# placeholder
x = tf.placeholder("float", [None, 784])
y_ = tf.placeholder("float", [None, 10])
# variables
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x,W) + b)

第一层卷积

现在我们可以开始实现第一层了。
它由一个卷积接一个$max$ $pooling$完成。卷积在每个$5x5$的$patch$中算出$32$个特征。
卷积的权重张量形状是$[5, 5, 1, 32]$，前两个维度是$patch$的大小，接着是输入的通道数目，最后是输出的通道数目。而对于每一个输出通道都有一个对应的偏置量。

    w_conv1 = weight_variable([5, 5, 1, 32])
    b_conv1 = bias_variable([32])

```    

> 为了用这一层，我们把$x$变成一个$4d$向量，其第$2$、第$3$维对应图片的宽、高，最后一维代表图片的颜色通道数(因为是灰度图所以这里的通道数为$1$，如果是$rgb$彩色图，则为$3$)。

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

1 2	> 我们把`x_image`和权值向量进行卷积，加上偏置项，然后应用$ReLU$激活函数，最后进行$max$ $pooling$。

h_conv1 = tf.nn.relu(conv2d(x_image, w_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)


----------

 - 第二层卷积
 

> 为了构建一个更深的网络，我们会把几个类似的层堆叠起来。第二层中，每个$5*5$的$patch$会得到$64$个特征。

# second convolutional layer
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)
h_pool2 = max_pool_2x2(h_conv2)


----------

 - 密集连接层

> 现在，图片尺寸减小到$7*7$(因为图片大小是$28*28$的，经过$2$次池化，池化使用的是$2*2$的模板。第一次池化大小为$14*14$，第二次为$7*7$)。
我们加入一个有$1024$个神经元的全连接层，用于处理整个图片。我们把池化层输出的张量$reshape$成一些向量，乘上权重矩阵，加上偏置，然后对其使用$ReLU$。

# densely connected layer
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)


----------

 - $Dropout$
 

> 为了减少过拟合，我们在输出层之前加入$dropout$。
我们用一个`placeholder`来代表一个神经元的输出在$dropout中$保持不变的概率。
这样我们可以在训练过程中启用$dropout$，
在测试过程中关闭$dropout$。
TensorFlow的`tf.nn.dropout`操作除了可以屏蔽神经元的输出外，还会自动处理神经元输出值的$scale$。所以用$dropout$的时候可以不用考虑$scale$。

# dropout
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)


----------

 - 输出层
 

> 最后，我们添加一个softmax层，就像之前的单层$softmax$ $regression$一样。

# readout layer
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)


----------
### **训练和评估模型**

> 为了进行训练和评估，我们使用与之前简单的单层$SoftMax$神经网络模型几乎相同的一套代码，只是我们会用更加复杂的$ADAM$优化器来做梯度最速下降，在`feed_dict`中加入额外的参数`keep_prob`来控制$dropout$比例。然后每$100$次迭代输出一次日志。

# train and evaluate the model
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))

# train_step = tf.train.GradientDescentOptimizer(1e-3).minimize(cross_entropy)

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
sess.run(tf.initialize_all_variables())
for i in range(20000):
    batch = mnist.train.next_batch(50)
    if i%100 == 0:
        train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_:batch[1], keep_prob:1.0})
        print("step %d, train 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}))

```

在最终测试集上的准确率大概是$99.2%$.

源代码

 参考链接