前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >TensorFlow从1到2 | 第五章 非专家莫入!TensorFlow实现CNN

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

作者头像
用户1332428
发布2018-03-09 10:26:55
1K0
发布2018-03-09 10:26:55
举报
文章被收录于专栏:人工智能LeadAI
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
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
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):

代码语言:javascript
复制
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
Fashion MNIST训练过程输出

附完整代码

代码语言:javascript
复制
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)

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-11-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 人工智能LeadAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 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。
相关产品与服务
GPU 云服务器
GPU 云服务器(Cloud GPU Service,GPU)是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于生成式AI,自动驾驶,深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力,有效缓解您的计算压力,提升业务效率与竞争力。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档