TensorFlow学习记录--3.MNIST从低级到高级(从全连接网络到卷积神经网络的解释)

一. MINST For ML Beginners(全连接网络)

上一讲已经谈到了构建模型后，把数据丢进去，按照梯度下降法一步一步训练可以得到模型的参数。对图片处理，也是构建一种一种模型（图），然后扔给tensorflow去计算就好了。

1.算法流程

• 1.构建图,上一讲TensorFLow运作模式及概念就提前给即将输入数据构建了一个线性模型，然后再计算出模型的参数，但是这里输入是手写数字的28*28的图像和标签，该怎么构建模型呢？
  其中每张图大小为28*28=784，手写字的数字肯定时与每个点的像素值有关的,将所有的像素点reshape成一个784*1维的向量，我们假设存在这样的一个模型w，给出任意像素点x，这个模型都能给出这张图片为0，1…,9每个的概率，一个最简单的模型如下（实际上这里x是784*1维的，w矩阵为784*10维的，因为有10个标签）：
  

• 2.这样这个模型就构建好了，接着我们还要给出一种判定方式，让机器知道什么样的情况下代表这个模型已经足够好了，还是同样的，我们构建一个损失函数，这个损失函数loss()肯定要反应出这个模型算出来的值y_和实际的标签值y的差距，让后一步一步优化，使loss最小。
  这里损失函数定义为:

• 3.接着再如上一讲提到的，构建会话session，读取数据并训练整个模型即可，代码及其注释见下一部分

2.

这里写代码片

二. MINST For ML Experts(卷积神经网络)

1.原理

• 1.算法流程大致相同，只是模型变了，变成这个样子:
  
  即通过多个卷积以及池化层，让后再全链接，再softmax，最后再利用梯度下降法优化模型的参数。
• 2.卷积与池化
  卷积:
  
  实际上就是一个3*3的滤波器以一定的步长stride遍历整个图像，得到卷积图像，事实上就是为了提取这副图的一种特征，而怎么设计这些卷积核(w)，也就是通过塞一堆数据进去，不断的优化这些特征提取模型w，让他们能够更好的提取出图中的特征用于识别。
  池化:
  
  提取出2*2或者其他大小里面最大值或者平均值作为代表值，这样可以减少全连接数。
  具体可以参考：
  1.CS231n: Convolutional Neural Networks for Visual Recognition
  2.Convolutional Neural Networks

2.卷积神经网络代码注释

# -*- coding: utf-8 -*-"""Created on Thu Sep  8 15:29:48 2016@author: root"""import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)     #下载并加载mnist数据x = tf.placeholder(tf.float32, [None, 784])                        #输入的数据占位符y_actual = tf.placeholder(tf.float32, shape=[None, 10])            #输入的标签占位符#定义一个函数，用于初始化所有的权值 Wdef weight_variable(shape):  initial = tf.truncated_normal(shape, stddev=0.1)  return tf.Variable(initial)#定义一个函数，用于初始化所有的偏置项 bdef bias_variable(shape):  initial = tf.constant(0.1, shape=shape)  return tf.Variable(initial)#定义一个函数，用于构建卷积层def conv2d(x, W):  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')#定义一个函数，用于构建池化层def max_pool(x):  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],strides=[1, 2, 2, 1], padding='SAME')#构建网络x_image = tf.reshape(x, [-1,28,28,1])         #转换输入数据shape,以便于用于网络中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)     #第一个卷积层h_pool1 = max_pool(h_conv1)                                  #第一个池化层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)      #第二个卷积层h_pool2 = max_pool(h_conv2)                                   #第二个池化层W_fc1 = weight_variable([7 * 7 * 64, 1024])b_fc1 = bias_variable([1024])h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])              #reshape成向量h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)    #第一个全连接层keep_prob = tf.placeholder("float") h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)                  #dropout层W_fc2 = weight_variable([1024, 10])b_fc2 = bias_variable([10])y_predict=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)   #softmax层cross_entropy = -tf.reduce_sum(y_actual*tf.log(y_predict))     #交叉熵train_step = tf.train.GradientDescentOptimizer(1e-3).minimize(cross_entropy)    #梯度下降法correct_prediction = tf.equal(tf.argmax(y_predict,1), tf.argmax(y_actual,1))    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))                 #精确度计算sess=tf.InteractiveSession()                          sess.run(tf.initialize_all_variables())for i in range(20000):  batch = mnist.train.next_batch(50)  if i%100 == 0:                  #训练100次，验证一次    train_acc = accuracy.eval(feed_dict={x:batch[0], y_actual: batch[1], keep_prob: 1.0})    print('step',i,'training accuracy',train_acc)    train_step.run(feed_dict={x: batch[0], y_actual: batch[1], keep_prob: 0.5})test_acc=accuracy.eval(feed_dict={x: mnist.test.images, y_actual: mnist.test.labels, keep_prob: 1.0})print("test accuracy",test_acc)

三. TensorFlow Mechanics 101(以前馈神经网络为例)

模型

代码及注释

四.参考文献

1.官网 https://www.tensorflow.org/versions/r0.11/tutorials/index.html
2.tensorflow学习笔记五：mnist实例–卷积神经网络(CNN）：
http://www.cnblogs.com/denny402/p/5853538.html
3.基于tensorflow的MNIST手写字识别（一）–白话卷积神经网络模型
http://www.jianshu.com/p/2186766b69dc
4.CS231n: Convolutional Neural Networks for Visual Recognition
http://cs231n.stanford.edu/