仅使用NumPy完成卷积神经网络CNN的搭建

现有的Caffe、TensorFlow等工具箱已经很好地实现CNN模型，但这些工具箱需要的硬件资源比较多，不利于初学者实践和理解。因此，本文教大家如何仅使用NumPy来构建卷积神经网络（Convolutional Neural Network , CNN）模型，具体实现了卷积层、ReLU激活函数层以及最大池化层（max pooling），代码简单，讲解详细。

目前网络上存在很多编译好的机器学习、深度学习工具箱，在某些情况下，直接调用已经搭好的模型可能是非常方便且有效的，比如Caffe、TensorFlow工具箱，但这些工具箱需要的硬件资源比较多，不利于初学者实践和理解。因此，为了更好的理解并掌握相关知识，最好是能够自己编程实践下。本文将展示如何使用NumPy来构建卷积神经网络（Convolutional Neural Network , CNN）。

CNN是较早提出的一种神经网络，直到近年来才变得火热，可以说是计算机视觉领域中应用最多的网络。一些工具箱中已经很好地实现CNN模型，相关的库函数已经完全编译好，开发人员只需调用现有的模块即可完成模型的搭建，避免了实现的复杂性。但实际上，这样会使得开发人员不知道其中具体的实现细节。有些时候，数据科学家必须通过一些细节来提升模型的性能，但这些细节是工具箱不具备的。在这种情况下，唯一的解决方案就是自己编程实现一个类似的模型，这样你对实现的模型会有最高级别的控制权，同时也能更好地理解模型每步的处理过程。

本文将仅使用NumPy实现CNN网络，创建三个层模块，分别为卷积层（Conv）、ReLu激活函数和最大池化（max pooling）。

一、读取输入图像

以下代码将从skimage Python库中读取已经存在的图像，并将其转换为灰度图：

读取图像是第一步，下一步的操作取决于输入图像的大小。将图像转换为灰度图如下所示：

二、准备滤波器

以下代码为第一个卷积层Conv准备滤波器组（Layer 1，缩写为l1，下同）：

根据滤波器的数目和每个滤波器的大小来创建零数组。上述代码创建了2个3x3大小的滤波器，（2,3,3）中的元素数字分别表示2：滤波器的数目（num_filters）、3：表示滤波器的列数、3：表示滤波器的行数。由于输入图像是灰度图，读取后变成2维图像矩阵，因此滤波器的尺寸选择为2维阵列，舍去了深度。如果图像是彩色图（具有3个通道，分别为RGB），则滤波器的大小必须为（3,3,3），最后一个3表示深度，上述代码也要更改，变成（2,3,3,3）。

滤波器组的大小由自己指定，但没有给定滤波器中具体的数值，一般采用随机初始化。下列一组值可以用来检查垂直和水平边缘：

三、卷积层（Conv Layer）

构建好滤波器后，接下来就是与输入图像进行卷积操作。下面代码使用conv函数将输入图像与滤波器组进行卷积：

conv函数只接受两个参数，分别为输入图像、滤波器组：

该函数首先确保每个滤波器的深度等于图像通道的数目，代码如下。if语句首先检查图像与滤波器是否有一个深度通道，若存在，则检查其通道数是否相等，如果匹配不成功，则报错。

此外，滤波器的大小应该是奇数，且每个滤波器的大小是相等的。这是根据下面两个if条件语块来检查的。如果条件不满足，则程序报错并退出。

上述条件都满足后，通过初始化一个数组来作为滤波器的值，通过下面代码来指定滤波器的值：

由于没有设置步幅（stride）或填充（padding），默认为步幅设置为1，无填充。那么卷积操作后得到的特征图大小为（img_rows-filter_rows+1, image_columns-filter_columns+1, num_filters），即输入图像的尺寸减去滤波器的尺寸后再加1。注意到，每个滤波器都会输出一个特征图。

循环遍历滤波器组中的每个滤波器后，通过下面代码更新滤波器的状态：

如果输入图像不止一个通道，则滤波器必须具有同样的通道数目。只有这样，卷积过程才能正常进行。最后将每个滤波器的输出求和作为输出特征图。下面的代码检测输入图像的通道数，如果图像只有一个通道，那么一次卷积即可完成整个过程：

上述代码中conv_函数与之前的conv函数不同，函数conv只接受输入图像和滤波器组这两个参数，本身并不进行卷积操作，它只是设置用于conv_函数执行卷积操作的每一组输入滤波器。下面是conv_函数的实现代码：

每个滤波器在图像上迭代卷积的尺寸相同，通过以下代码实现：

之后，在图像区域矩阵和滤波器之间对位相乘，并将结果求和以得到单值输出：

输入图像与每个滤波器卷积后，通过conv函数返回特征图。下图显示conv层返回的特征图（由于l1卷积层的滤波器参数为（2,3,3），即2个3x3大小的卷积核，最终输出2个特征图）：

卷积后图像

卷积层的后面一般跟着激活函数层，本文采用ReLU激活函数。

四、ReLU激活函数层

ReLU层将ReLU激活函数应用于conv层输出的每个特征图上，根据以下代码行调用ReLU激活函数：

ReLU激活函数（ReLU）的具体实现代码如下：

ReLU思想很简单，只是将特征图中的每个元素与0进行比较，若大于0，则保留原始值。否则将其设置为0。ReLU层的输出如下图所示：

ReLU层输出图像

激活函数层后面一般紧跟池化层，本文采用最大池化（max pooling）。

五 、最大池化层

ReLU层的输出作为最大池化层的输入，根据下面的代码行调用最大池化操作：

最大池化函数（max pooling）的具体实现代码如下：

该函数接受3个参数，分别为ReLU层的输出，池化掩膜的大小和步幅。首先也是创建一个空数组，用来保存该函数的输出。数组大小根据输入特征图的尺寸、掩膜大小以及步幅来确定。

对每个输入特征图通道都进行最大池化操作，返回该区域中最大的值，代码如下：

池化层的输出如下图所示，这里为了显示让其图像大小看起来一样，其实池化操作后图像尺寸远远小于其输入图像。

池化层输出图像

六、层堆叠

以上内容已经实现CNN结构的基本层——conv、ReLU以及max pooling，现在将其进行堆叠使用，代码如下：

从代码中可以看到，l2表示第二个卷积层，该卷积层使用的卷积核为（3,5,5），即3个5x5大小的卷积核（滤波器）与第一层的输出进行卷积操作，得到3个特征图。后续接着进行ReLU激活函数以及最大池化操作。将每个操作的结果可视化，如下图所示：

l2层处理过程可视化图像

从代码中可以看到，l3表示第三个卷积层，该卷积层使用的卷积核为（1,7,7），即1个7x7大小的卷积核（滤波器）与第二层的输出进行卷积操作，得到1个特征图。后续接着进行ReLU激活函数以及最大池化操作。将每个操作的结果可视化，如下图所示：

l3层处理过程可视化图像

神经网络的基本结构是前一层的输出作为下一层的输入，比如l2层接收l1层的输出，l3层接收来l2层的输出，代码如下：

七、完整代码

全部代码已经上传至Github上，每层的可视化是使用Matplotlib库实现。

地址：https://github.com/ahmedfgad/NumPyCNN?spm=a2c4e.11153940.blogcont585741.15.3c951357xsKixt

译者：海棠，审校：Uncle_LLD。

- 加入人工智能学院系统学习 -