基于R语言的Kaggle案例分析学习笔记（九）

手写图片识别

本案例大纲

1、卷积神经网络的介绍

2、案例背景

3、R语言实现

1、卷积神经网络的介绍

针对黑白图片：

1）局部链接

    

    如上图所示，图片是由像素组成，而像素又是由很多数字组成，最左边的方框是4*4的像素图片，展开成那条橙黄色的长度的为16的向量，以4个像素为一个单位，映射到隐藏层的一个神经元，每个像素映射都有权重，每个被 映射的神经元都有一个常数b0。以input层的1、2、4、5像素为例，这4个像素映射到隐藏层的0号神经元，权重分别是w1、w2、w3、w4，常数为b0，相应的映射函数为：Y₀=x₀*w₁+x₂*w₂+x₄*w₃+x₅*w₄+b₀。

2）空间共享性

      空间共享性是指任何像素组映射到卷积层的权重及常数项都是相等，例如现在红色方框框的是0、1、4、5这几个像素，下一步方框向右移动一步，框住1、2、5、6这几个元素，这几个元素对应橙黄色16个元素的向量分别也是1、2、5、6元素，这1、2、5、6元素映射到卷积层的1号神经元，有4个权重分别是w5、w6、w7、w8，这几个权重与w1、w2、w3、w4相同，常数项b0也相同。

3）输出表达

卷积层可以是向量也可以是一个矩阵，输出可以是向量的形式，也可以输出成一个矩阵，这样就形成了一张图片。

关于彩色图片的简单介绍：

          原理与黑白图片类似，不同的是多了一个维度，黑白图片只有长宽两个维度，彩色图片还有深度这个维度。

             如上图所示，彩色图片是三维的，由红绿蓝三个图层组成，每个图层的作用原理与黑白图片类似，单个图层的各个像素单元权重是共享的，但是不同图层的权重是独立的。

 关于zero padding:

      从以上关于黑白照片的详细介绍中可知，卷积层的神经元个数是小于输入的图片像素的，不断卷积，卷积层就不断减小，这样就会损坏图片像素，所以需要在卷积层外加多一层zero padding。如下图所示外围的小圆圈就是zero padding。

             padding的大小可以根据以下的公式计算：

                                                    

                                                      Feature Map=(input_size+2*padding_size-filter_size)/stride+1

          其中Feature Map的大小等于input_size。以上面图片为例，设padding_size为x，Feature Map=input_size=4，filter_size=3，stride=1,stide是步长，带入计算公式：

4=（4+2*x-3）/1+1，则可求出x=1.

关于形状、概念抓取：

         先观察第一个图，一开始形成6个2*2的卷积层，这6个卷积层又可以再次进行卷积，形成3个4*4的卷积层，就像第二个图，一开始识别出来的是一些图片棱角，接着识别出眼睛鼻子，最后能识别出整张人脸。

 多个filter:

         filter指如上图所示的小方块，单一的Filter只能映射出单层卷积层，多个filter可以映射出多层卷积层，这样图片色彩更清晰。

加入非线性：

        卷积神经网络与其他网络类似，也会加入非线性函数，这样识别率更高。

关于卷积神经网络的参数：

           参数不做详细介绍了，基本是跟前面介绍的概念对应，第二个图表示的意思是卷积层的每个输出都是权重与输入的乘积。

池化层：

        池化方法很多，这里主要介绍最大池化法。

         

         如上图所示，左图为卷积层，用一个2*2的filter去对卷积层切片，例如第一次切的4个元素分别是1、1、5、6，其中最大的是6，所以把这个6当作这4个元素的代表，放到池化层的第一个元素的位置。池化层的作用主要是降噪，去除一些噪音，获取关键信息。以下解释为什么要进行池化：

        如上图所示，第一行为原始图片，第二行为卷积层，第三行为池化结果，池化结果显示每个图片的最大值为3，如果没有进行池化，而是不断进行卷积，那么最后得到的结果也是3，但是这样会让卷积神经网络的深度更深，浪费更多空间和训练时间，所以池化可以降噪、提高运算速度。

一般的卷积神经网络结构：

          原图片->非线性卷积->池化->非线性卷积->池化->全连接。

2、案例背景介绍

        对手写图片的识别。

3、R语言代码实现

        这里主要使用亚马逊开发的用于深度学习的R语言包：mxnet包，数据下载地址：链接：http://pan.baidu.com/s/1nv5NMhb 密码：za7u

#下载安装cran <- getOption("repos")cran["dmlc"] <- "https://s3-us-west-2.amazonaws.com/apache-mxnet/R/CRAN/"options(repos = cran)install.packages("mxnet")library(mxnet)#加载数据train <- read.csv("train.csv")test <- read.csv("test.csv")# Set up train and test datasetstrain <- data.matrix(train)#变成矩阵train_x <- t(train[, -1])#除第一列以外都作为输入值train_y <- train[, 1]#目标列train_array <- train_xdim(train_array) <- c(28, 28, 1, ncol(train_x))#创建三维数组，因为手写图片是黑白图片，且大小为28*28的矩阵，一列代表一个数字，一共有ncol(train_x)数字test_x <- t(test)test_array <- test_xdim(test_array) <- c(28, 28, 1, ncol(test_x))#画个图plot.digit<-function(x){train.plot<-t(train[x,-1])#x代表画第几个图片train.plot2<-matrix((train.plot),ncol=28)变成矩阵形式image(train.plot2,col=grey.colors(225),axes=F)}data <- mx.symbol.Variable('data')#把数据变成mx规定的格式# 第一层卷积层conv_1 <- mx.symbol.Convolution(data = data, kernel = c(5, 5), num_filter = 20)#kernael就是filter,num_filter表示filter个数tanh_1 <- mx.symbol.Activation(data = conv_1, act_type = "tanh")#数据来自于卷积层，act_type激活函数为非线性函数即双曲正切函数pool_1 <- mx.symbol.Pooling(data = tanh_1, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))#池化层，数据来自非线性激活函数，pool_type="max"最大池化法，stride表示移动步长# 第二层卷积conv_2 <- mx.symbol.Convolution(data = pool_1, kernel = c(5, 5), num_filter = 50)#护具来自第一层的池化层tanh_2 <- mx.symbol.Activation(data = conv_2, act_type = "tanh")pool_2 <- mx.symbol.Pooling(data=tanh_2, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))# 第一层全连接flatten <- mx.symbol.Flatten(data = pool_2)#Flatten将矩阵变成一个向量，数据来自于第二层池化层fc_1 <- mx.symbol.FullyConnected(data = flatten, num_hidden = 500)#全连接，全连接的数据来自上一层的flattentanh_3 <- mx.symbol.Activation(data = fc_1, act_type = "tanh")#加一层非线性激活函数，数据来自上一层的全连接# 第二层全连接fc_2 <- mx.symbol.FullyConnected(data = tanh_3, num_hidden = 40)#来自上层非线性的结果#输出，因为这是多分类问题，所以用softmax函数NN_model <- mx.symbol.SoftmaxOutput(data = fc_2)# 设置种子，使结果具备可重复性mx.set.seed(100)# 使用cpu设备devices <- mx.cpu()# 训练model <- mx.model.FeedForward.create(NN_model,                                     X = train_array,                                     y = train_y,                                     ctx = devices,#设备                                     num.round = 25,#迭代次数                                     array.batch.size = 40,#批处理规模                                     learning.rate = 0.01,#学习率                                     momentum = 0.9,#当误差平面趋近于平面的话加快计算速度                                     eval.metric = mx.metric.accuracy,#评价指标                                     epoch.end.callback = mx.callback.log.train.metric(100))#回调函数，观察程序运行情况#测试predicted <- predict(model, test_array)predicted_labels <- max.col(t(predicted)) - 1res<-data.frame(ImageId=seq(1:length(predicted_labels)),Label=predicted_labels)write.csv(res,"Submission.csv",row.names = F)