tensorflow笔记系列： （一） tensorflow笔记：流程，概念和简单代码注释 （二） tensorflow笔记：多层CNN代码分析 （三） tensorflow笔记：多层LSTM代码分析 （四） tensorflow笔记：常用函数说明 （五） tensorflow笔记：模型的保存与训练过程可视化 （六）tensorflow笔记：使用tf来实现word2vec
在之前的tensorflow笔记：流程，概念和简单代码注释 文章中，已经大概解释了tensorflow的大概运行流程，并且提供了一个mnist数据集分类器的简单实现。当然，因为结构简单，最后的准确率在91%左右。似乎已经不低了？其实这个成绩是非常不理想的。现在mnist的准确率天梯榜已经被刷到了99.5%以上。为了进一步提高准确率，官网还提供了一个多层的CNN分类器的代码。相比之前的一层神经网络，这份代码的主要看点倒不是多层，而是CNN，也就是卷积神经网络。
CNN的具体内容不再详述，概述可以参考这里，详细信息可以参见Convolutional Networks。一般来说，CNN网络的前几层为卷积层和采样层（或者说池化层），在若干层卷积和池化以后，还有若干层全连接层（也就是传统神经网络），最后输出分类信息。大概的结构示意图如下图所示
可以看到，CNN相比与传统神经网络，最大的区别就是引入了卷积层和池化层。这也是我们在代码中要着重看的地方。 在下面的代码中，卷积是使用tf.nn.conv2d, 池化使用tf.nn.max_pool,下面来详细的讲解一下这两个函数的用法。
tf.nn.conv2d
这个函数的功能是：给定4维的input和filter，计算出一个2维的卷积结果。函数的定义为：
def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None): 12 12前几个参数分别是input, filter, strides, padding, use_cudnn_on_gpu, …下面来一一解释 input：待卷积的数据。格式要求为一个张量，[batch, in_height, in_width, in_channels]. 分别表示 批次数，图像高度，宽度，输入通道数。 filter： 卷积核。格式要求为[filter_height, filter_width, in_channels, out_channels]. 分别表示 卷积核的高度，宽度，输入通道数，输出通道数。 strides :一个长为4的list. 表示每次卷积以后卷积窗口在input中滑动的距离 padding ：有SAME和VALID两种选项，表示是否要保留图像边上那一圈不完全卷积的部分。如果是SAME，则保留 use_cudnn_on_gpu ：是否使用cudnn加速。默认是True
tf.nn.max_pool 进行最大值池化操作,而avg_pool 则进行平均值池化操作.函数的定义为：
def max_pool(value, ksize, strides, padding, data_format="NHWC", name=None): 1 1value: 一个4D张量，格式为[batch, height, width, channels]，与conv2d中input格式一样 ksize: 长为4的list,表示池化窗口的尺寸 strides: 池化窗口的滑动值，与conv2d中的一样 padding: 与conv2d中用法一样。
具体的代码注释如下：
# 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') # 第一次启动会下载文本资料，放在/tmp/data文件夹下 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) # 变量的初始值为截断正太分布 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：给定4维的input和filter，计算出一个2维的卷积结果 前几个参数分别是input, filter, strides, padding, use_cudnn_on_gpu, ... input 的格式要求为一个张量，[batch, in_height, in_width, in_channels],批次数，图像高度，图像宽度，通道数 filter 的格式为[filter_height, filter_width, in_channels, out_channels]，滤波器高度，宽度，输入通道数，输出通道数 strides 一个长为4的list. 表示每次卷积以后在input中滑动的距离 padding 有SAME和VALID两种选项，表示是否要保留不完全卷积的部分。如果是SAME，则保留 use_cudnn_on_gpu 是否使用cudnn加速。默认是True """ return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') def max_pool_2x2(x): """ tf.nn.max_pool 进行最大值池化操作,而avg_pool 则进行平均值池化操作 几个参数分别是：value, ksize, strides, padding, value: 一个4D张量，格式为[batch, height, width, channels]，与conv2d中input格式一样 ksize: 长为4的list,表示池化窗口的尺寸 strides: 窗口的滑动值，与conv2d中的一样 padding: 与conv2d中用法一样。 """ 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]) #将输入按照 conv2d中input的格式来reshape，reshape """ # 第一层 # 卷积核(filter)的尺寸是5*5, 通道数为1，输出通道为32，即feature map 数目为32 # 又因为strides=[1,1,1,1] 所以单个通道的输出尺寸应该跟输入图像一样。即总的卷积输出应该为?*28*28*32 # 也就是单个通道输出为28*28，共有32个通道,共有?个批次 # 在池化阶段，ksize=[1,2,2,1] 那么卷积结果经过池化以后的结果，其尺寸应该是？*14*14*32 """ W_conv1 = weight_variable([5, 5, 1, 32]) # 卷积是在每个5*5的patch中算出32个特征，分别是patch大小，输入通道数目，输出通道数目 b_conv1 = bias_variable([32]) h_conv1 = tf.nn.elu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) """ # 第二层 # 卷积核5*5，输入通道为32，输出通道为64。 # 卷积前图像的尺寸为 ?*14*14*32， 卷积后为?*14*14*64 # 池化后，输出的图像尺寸为?*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) # 第三层 是个全连接层,输入维数7*7*64, 输出维数为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) # 这里使用了drop out,即随机安排一些cell输出值为0，可以防止过拟合 h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) # 第四层，输入1024维，输出10维，也就是具体的0~9分类 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作为多分类激活函数 y_ = tf.placeholder(tf.float32, [None, 10]) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices=[1])) # 损失函数，交叉熵 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 使用adam优化 correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) # 计算准确度 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) sess.run(tf.initialize_all_variables()) # 变量初始化 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"