LeNet-5模型详解及其TensorFlow代码实现

       本文先分析了LeNet-5模型的结构，然后基于LeNet-5模型写了TensorFlow代码实现mnist数字识别，代码部分进行了详细注解，目前也在学习阶段，有错误欢迎指出，大家一起学习。

       LeNet-5模型结构图如下图：

       

       LeNet-5模型总共有7层。

       第一层：卷积层

       第一层卷积层的输入为原始的图像，原始图像的尺寸为32×32×1。卷积层的过滤器尺寸为5×5，深度为6，不使用全0补充，步长为1。由于没有使用全0补充，所以这一层的输出的尺寸为32-5+1=28，深度为6。这一个卷积层总共有5×5×1×6+6=156个参数，其中6为偏置项参数个数，卷积层的参数个数只和过滤器的尺寸，深度以及当前层节点矩阵的深度有关。因为下一层节点矩阵有28×28×6=4704个节点，每个节点和5×5=25个当前层节点相连，所以本层卷积层总共有4704×(25+1)=122304个连接。

       第二层：池化层

       这一层的输入为第一层的输出，是一个28×28×6的节点矩阵。本层采用的过滤器大小为2×2，步长为2，所以本层的输出矩阵大小为14×14×6。

       第三层：卷积层

       本层的输入矩阵大小为14×14×6，采用的过滤器大小为5×5，深度为16，不使用全0补充，步长为1。这一层的输出的尺寸为14-5+1=10，深度为16，即输出矩阵大小为10×10×16。本层参数有5×5×6×16+16=2416个，连接有10×10×16×(5×5+1)=41600个。

       第四层：池化层

       本层的输入矩阵大小为10×10×16，采用的过滤器大小为2×2，步长为2，本层的输出矩阵大小为5×5×16。

       第五层：全连接层

       本层的输入矩阵大小为5×5×16，在LeNet-5模型的论文中将这一层称为卷积层，但是因为过滤器的大小就是5×5，所以和全连接层没有区别，这里直接看成全连接层。本层输入为5×5×16矩阵，将其拉直为一个长度为5×5×16的向量，即将一个三维矩阵拉直到一维空间以向量的形式表示，这样才可以进入全连接层进行训练。本层的输出节点个数为120，所以总共有5×5×16×120+120=48120个参数。

       第六层：全连接层

       本层的输入节点个数为120个，输出节点个数为84个，总共有120×84+84=10164个参数。

       第七层：全连接层

       本层的输入节点个数为84个，输出节点个数为10个，总共有84×10+10=850个参数。

---

       接下来以TensorFlow代码展示一个基于LeNet-5模型的mnist数字识别代码。

       mnist数据集png图片格式下载链接：链接：http://pan.baidu.com/s/1eRG6TqU 密码：uf4m

       tensorflow版本：1.2.1

       代码如下：

from skimage import io,transformimport osimport globimport numpy as npimport tensorflow as tf#将所有的图片重新设置尺寸为32*32w = 32h = 32c = 1#mnist数据集中训练数据和测试数据保存地址train_path = "E:/data/datasets/mnist/train/"test_path = "E:/data/datasets/mnist/test/"#读取图片及其标签函数def read_image(path):    label_dir = [path+x for x in os.listdir(path) if os.path.isdir(path+x)]    images = []    labels = []    for index,folder in enumerate(label_dir):        for img in glob.glob(folder+'/*.png'):            print("reading the image:%s"%img)            image = io.imread(img)            image = transform.resize(image,(w,h,c))            images.append(image)            labels.append(index)    return np.asarray(images,dtype=np.float32),np.asarray(labels,dtype=np.int32)#读取训练数据及测试数据            train_data,train_label = read_image(train_path)test_data,test_label = read_image(test_path)#打乱训练数据及测试数据train_image_num = len(train_data)train_image_index = np.arange(train_image_num)np.random.shuffle(train_image_index)train_data = train_data[train_image_index]train_label = train_label[train_image_index]test_image_num = len(test_data)test_image_index = np.arange(test_image_num)np.random.shuffle(test_image_index)test_data = test_data[test_image_index]test_label = test_label[test_image_index]#搭建CNNx = tf.placeholder(tf.float32,[None,w,h,c],name='x')y_ = tf.placeholder(tf.int32,[None],name='y_')def inference(input_tensor,train,regularizer):    #第一层：卷积层，过滤器的尺寸为5×5，深度为6,不使用全0补充，步长为1。    #尺寸变化：32×32×1->28×28×6    with tf.variable_scope('layer1-conv1'):        conv1_weights = tf.get_variable('weight',[5,5,c,6],initializer=tf.truncated_normal_initializer(stddev=0.1))        conv1_biases = tf.get_variable('bias',[6],initializer=tf.constant_initializer(0.0))        conv1 = tf.nn.conv2d(input_tensor,conv1_weights,strides=[1,1,1,1],padding='VALID')        relu1 = tf.nn.relu(tf.nn.bias_add(conv1,conv1_biases))    #第二层：池化层，过滤器的尺寸为2×2，使用全0补充，步长为2。    #尺寸变化：28×28×6->14×14×6    with tf.name_scope('layer2-pool1'):        pool1 = tf.nn.max_pool(relu1,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')    #第三层：卷积层，过滤器的尺寸为5×5，深度为16,不使用全0补充，步长为1。    #尺寸变化：14×14×6->10×10×16    with tf.variable_scope('layer3-conv2'):        conv2_weights = tf.get_variable('weight',[5,5,6,16],initializer=tf.truncated_normal_initializer(stddev=0.1))        conv2_biases = tf.get_variable('bias',[16],initializer=tf.constant_initializer(0.0))        conv2 = tf.nn.conv2d(pool1,conv2_weights,strides=[1,1,1,1],padding='VALID')        relu2 = tf.nn.relu(tf.nn.bias_add(conv2,conv2_biases))    #第四层：池化层，过滤器的尺寸为2×2，使用全0补充，步长为2。    #尺寸变化：10×10×6->5×5×16    with tf.variable_scope('layer4-pool2'):        pool2 = tf.nn.max_pool(relu2,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')    #将第四层池化层的输出转化为第五层全连接层的输入格式。第四层的输出为5×5×16的矩阵，然而第五层全连接层需要的输入格式    #为向量，所以我们需要把代表每张图片的尺寸为5×5×16的矩阵拉直成一个长度为5×5×16的向量。    #举例说，每次训练64张图片，那么第四层池化层的输出的size为(64,5,5,16),拉直为向量，nodes=5×5×16=400,尺寸size变为(64,400)    pool_shape = pool2.get_shape().as_list()    nodes = pool_shape[1]*pool_shape[2]*pool_shape[3]    reshaped = tf.reshape(pool2,[-1,nodes])    #第五层：全连接层，nodes=5×5×16=400，400->120的全连接    #尺寸变化：比如一组训练样本为64，那么尺寸变化为64×400->64×120    #训练时，引入dropout，dropout在训练时会随机将部分节点的输出改为0，dropout可以避免过拟合问题。    #这和模型越简单越不容易过拟合思想一致，和正则化限制权重的大小，使得模型不能任意拟合训练数据中的随机噪声，以此达到避免过拟合思想一致。    #本文最后训练时没有采用dropout，dropout项传入参数设置成了False，因为训练和测试写在了一起没有分离，不过大家可以尝试。    with tf.variable_scope('layer5-fc1'):        fc1_weights = tf.get_variable('weight',[nodes,120],initializer=tf.truncated_normal_initializer(stddev=0.1))        if regularizer != None:            tf.add_to_collection('losses',regularizer(fc1_weights))        fc1_biases = tf.get_variable('bias',[120],initializer=tf.constant_initializer(0.1))        fc1 = tf.nn.relu(tf.matmul(reshaped,fc1_weights) + fc1_biases)        if train:            fc1 = tf.nn.dropout(fc1,0.5)    #第六层：全连接层，120->84的全连接    #尺寸变化：比如一组训练样本为64，那么尺寸变化为64×120->64×84    with tf.variable_scope('layer6-fc2'):        fc2_weights = tf.get_variable('weight',[120,84],initializer=tf.truncated_normal_initializer(stddev=0.1))        if regularizer != None:            tf.add_to_collection('losses',regularizer(fc2_weights))        fc2_biases = tf.get_variable('bias',[84],initializer=tf.truncated_normal_initializer(stddev=0.1))        fc2 = tf.nn.relu(tf.matmul(fc1,fc2_weights) + fc2_biases)        if train:            fc2 = tf.nn.dropout(fc2,0.5)    #第七层：全连接层（近似表示），84->10的全连接    #尺寸变化：比如一组训练样本为64，那么尺寸变化为64×84->64×10。最后，64×10的矩阵经过softmax之后就得出了64张图片分类于每种数字的概率，    #即得到最后的分类结果。    with tf.variable_scope('layer7-fc3'):        fc3_weights = tf.get_variable('weight',[84,10],initializer=tf.truncated_normal_initializer(stddev=0.1))        if regularizer != None:            tf.add_to_collection('losses',regularizer(fc3_weights))        fc3_biases = tf.get_variable('bias',[10],initializer=tf.truncated_normal_initializer(stddev=0.1))        logit = tf.matmul(fc2,fc3_weights) + fc3_biases    return logit#正则化，交叉熵，平均交叉熵，损失函数，最小化损失函数，预测和实际equal比较，tf.equal函数会得到True或False，#accuracy首先将tf.equal比较得到的布尔值转为float型，即True转为1.，False转为0，最后求平均值，即一组样本的正确率。#比如：一组5个样本，tf.equal比较为[True False True False False],转化为float型为[1. 0 1. 0 0],准确率为2./5=40%。regularizer = tf.contrib.layers.l2_regularizer(0.001)y = inference(x,False,regularizer)cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y,labels=y_)cross_entropy_mean = tf.reduce_mean(cross_entropy)loss = cross_entropy_mean + tf.add_n(tf.get_collection('losses'))train_op = tf.train.AdamOptimizer(0.001).minimize(loss)correct_prediction = tf.equal(tf.cast(tf.argmax(y,1),tf.int32),y_)accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))#每次获取batch_size个样本进行训练或测试def get_batch(data,label,batch_size):    for start_index in range(0,len(data)-batch_size+1,batch_size):        slice_index = slice(start_index,start_index+batch_size)        yield data[slice_index],label[slice_index]#创建Session会话with tf.Session() as sess:    #初始化所有变量(权值，偏置等)    sess.run(tf.global_variables_initializer())    #将所有样本训练10次，每次训练中以64个为一组训练完所有样本。    #train_num可以设置大一些。    train_num = 10    batch_size = 64    for i in range(train_num):        train_loss,train_acc,batch_num = 0, 0, 0        for train_data_batch,train_label_batch in get_batch(train_data,train_label,batch_size):            _,err,acc = sess.run([train_op,loss,accuracy],feed_dict={x:train_data_batch,y_:train_label_batch})            train_loss+=err;train_acc+=acc;batch_num+=1        print("train loss:",train_loss/batch_num)        print("train acc:",train_acc/batch_num)        test_loss,test_acc,batch_num = 0, 0, 0        for test_data_batch,test_label_batch in get_batch(test_data,test_label,batch_size):            err,acc = sess.run([loss,accuracy],feed_dict={x:test_data_batch,y_:test_label_batch})            test_loss+=err;test_acc+=acc;batch_num+=1        print("test loss:",test_loss/batch_num)        print("test acc:",test_acc/batch_num)

       最终测试准确率大概在99%左右。

       随机运行一次的训练及测试结果如下：

...test loss: 0.0766476487789test acc: 0.98577724359train loss: 0.0529618164884train acc: 0.993930096051test loss: 0.0702898033345test acc: 0.987680288462train loss: 0.0511233446804train acc: 0.994213580576test loss: 0.0881681445843test acc: 0.982672275641train loss: 0.0503073274342train acc: 0.994030149413test loss: 0.0700190923033test acc: 0.986979166667

       参考：《TensorFlow：实战Google深度学习框架》