在线文档教程
首页 技术教程 开发文档 觅分类 ICON图标
技术教程 开发文档 觅分类 ICON图标

Deep MNIST for Experts（针对专家的深度MNIST）

Deep MNIST for Experts

TensorFlow是进行大规模数值计算的强大库。它擅长的任务之一是实施和培训深度神经网络。在本教程中，我们将学习TensorFlow模型的基本构建模块，同时构建深度卷积MNIST分类器。

本介绍假定您熟悉神经网络和MNIST数据集。如果你没有他们的背景，请查看 初学者 的介绍。开始之前一定要安装TensorFlow 。

关于本教程

本教程的第一部分解释了 mnist_softmax.py 代码中发生的事情，这是Tensorflow模型的基本实现。第二部分展示了一些提高准确性的方法。

您可以将本教程中的每个代码片段复制并粘贴到Python环境中，或者您可以从 mnist_deep.py 下载完全实施的深网。

我们将在本教程中完成的任务：

  • 基于查看图像中的每个像素，创建一个softmax回归函数，该函数是识别MNIST数字的模型

  • 使用Tensorflow来训练模型，通过让数字“看”数千个示例来识别数字（并运行我们的第一个Tensorflow会话来完成）

  • 用我们的测试数据检查模型的准确性

  • 构建，训练和测试多层卷积神经网络以改善结果

建立

在我们创建模型之前，我们将首先加载MNIST数据集，然后开始一个TensorFlow会话。

加载MNIST数据

如果您要复制并粘贴本教程中的代码，请从这里开始，这两行代码将自动下载并读取数据：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

这里mnist是一个轻量级类，它将训练，验证和测试集存储为NumPy数组。它还提供了一个函数来迭代数据minibatches，我们将在下面使用它。

启动TensorFlow InteractiveSession

TensorFlow依靠高效的C ++后端来完成它的计算。与此后端的连接称为会话。TensorFlow程序的常见用法是首先创建一个图形，然后在会话中启动它。

在这里，我们改为使用便利的InteractiveSession类，这使TensorFlow更加灵活地了解如何构建代码。它允许您将构建计算图的操作与运行图的操作交错。在IPython等交互式上下文中工作时，这特别方便。如果你没有使用一个InteractiveSession，那么你应该在开始一个会话并启动该图之前构建整个计算图。

import tensorflow as tf
sess = tf.InteractiveSession()

计算图

为了在Python中进行高效的数值计算，我们通常使用像 NumPy 这样的库来执行昂贵的操作，例如使用Python之外的矩阵乘法，使用以另一种语言实现的高效代码。不幸的是，每次操作都会返回Python，但仍然会有很多开销。如果您想要在GPU上运行计算或以分布式方式运行计算，则这种开销尤其糟糕，因为传输数据的成本很高。

TensorFlow也在Python之外进行繁重的工作，但为了避免这种开销，它需要更进一步。TensorFlow不是独立于Python运行一个昂贵的操作，而是让我们描述一个完全在Python之外运行的交互操作图。这种方法类似于Theano或Torch中使用的方法。

因此，Python代码的作用是构建这个外部计算图，并指定应该运行计算图的哪些部分。有关更多详细信息，请参见TensorFlow入门的计算图部分。

建立一个Softmax回归模型

在本节中，我们将建立一个单线性层的softmax回归模型。在下一节中，我们将扩展到具有多层卷积网络的softmax回归的情况。

占位符

我们通过为输入图像和目标输出类创建节点来开始构建计算图。

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

这里x和y_没有特定的值。相反，它们都是placeholder我们要求TensorFlow运行计算时输入的值。

输入图像x将由浮点数的二维张量组成。在这里，我们分配给它一个shape的[None, 784]，在那里784是单个的维数由28像素MNIST图像扁平28，以及None指示所述第一尺寸，对应于批量大小，可以是任何大小的。目标输出类y_也将由2d张量组成，其中每行是一个单热的10维向量，指示对应的MNIST图像属于哪个数字类（0到9）。

placeholder的shape参数是可选的，但它允许TensorFlow自动捕捉由于从张量不一致而产生的形状而产生的错误。

变量

我们现在定义我们模型的权重W和偏差b。我们可以想象将这些视为额外的输入，但TensorFlow有更好的方法来处理它们：Variable。 Variable是一个存在于TensorFlow计算图中的值。它可以被使用，甚至被计算修改。在机器学习应用中，通常人们的模型参数是Variables。

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

我们将呼叫中每个参数的初始值传递给tf.Variable。在这种情况下，我们都初始化W和b为张量全是零。W是一个784x10矩阵（因为我们有784个输入特征和10个输出）并且b是一个10维向量（因为我们有10个类）。

在会话中可以使用Variable s之前，必须使用该会话对它们进行初始化。此步骤将已经指定的初始值（在这种情况下，张量填满零），并将它们分配给每个Variable值。这样可以一次完成所有Variables：

sess.run(tf.global_variables_initializer())

预测类别和损失函数

我们现在可以实现我们的回归模型。它只需要一行！我们将矢量化的输入图像乘以x权重矩阵W，并且添加偏差b。

y = tf.matmul(x,W) + b

我们可以很容易地指定一个损失函数。损失表明模型的预测在单个示例上有多糟糕；我们试图在所有示例中进行培训的同时尽量减少这一点 在这里，我们的损失函数是目标和应用于模型预测的softmax激活函数之间的交叉熵。正如在初学者教程中，我们使用稳定公式：

cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))

请注意，tf.nn.softmax_cross_entropy_with_logits内部将softmax应用于模型的非标准化模型预测以及所有类别的总和，并tf.reduce_mean取这些和的平均值。

训练模型

现在我们已经定义了我们的模型和训练损失函数，使用TensorFlow进行训练非常简单。由于TensorFlow知道整个计算图，因此它可以使用自动微分来查找相对于每个变量的损失梯度。TensorFlow有多种内置的优化算法。对于这个例子，我们将使用最陡的梯度下降，步长为0.5，下降交叉熵。

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

TensorFlow实际上在这一行中做的就是向计算图添加新的操作。这些操作包括计算梯度，计算参数更新步骤以及将更新步骤应用于参数。

运行train_step时返回的操作将对参数应用梯度下降更新。训练模型可以通过重复运行来完成train_step。

for _ in range(1000):
  batch = mnist.train.next_batch(100)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})

我们在每次训练迭代中加载100个训练样例。然后train_step，我们运行该操作，feed_dict用于替换placeholder张量x和y_训练示例。请注意，您可以使用feed_dict- 它不仅限于placeholders ，而是可以替换计算图中的任何张量。

评估模型

我们的模型有多好？

首先我们要弄清楚我们在哪里预测了正确的标签。tf.argmax是一个非常有用的函数，可以为您提供某个轴上张量中最高入口的索引。例如，tf.argmax(y,1)使我们模型认为每个输入最有可能的标签，而tf.argmax(y_,1)是真正的标签。我们可以用tf.equal来检查我们的预测是否符合事实。

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

这给了我们一个布尔的列表。为了确定哪些分数是正确的，我们转换为浮点数，然后取平均值。例如，[True, False, True, True]会变成[1,0,1,1]这会变成0.75。

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

最后，我们可以评估我们对测试数据的准确性。这应该是大约92％正确。

print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

构建一个多层卷积网络

在MNIST上获得92％的准确性是不好的。这几乎是令人尴尬的坏事。在本节中，我们将解决这个问题，从一个非常简单的模型跳到适度复杂的模型：一个小的卷积神经网络。这将使我们的准确率达到99.2％左​​右 - 这不是最先进的技术，而是值得尊敬的。

这是一张用TensorBoard创建的，关于我们将要构建的模型的图表：

重量初始化

要创建这个模型，我们需要创建很多权重和偏见。通常应该用少量的噪声初始化权重，以防止对称性破坏，并防止0梯度。由于我们使用的是ReLU（https://en.wikipedia.org/wiki/Rectifier_（neural_networks％29））神经元，所以初始化它们也是一个很好的做法，用一个稍微正面的初始偏倚来避免“死神经元”，而不是在我们构建模型的过程中重复这样做，让我们创建两个方便的函数来为我们做。

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

卷积和合并

TensorFlow也为卷积和合并操作提供了很大的灵活性。我们如何处理边界？我们的步幅是多少？在这个例子中，我们总是选择香草版本。我们的卷积使用一个步长，并填充零，以便输出与输入大小相同。我们的游泳池是普通游泳池，超过2x2块。为了保持我们的代码更清晰，我们也将这些操作抽象为函数。

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

第一卷积层

我们现在可以实现我们的第一层。它将由卷积组成，然后是最大池。卷积将为每个5x5补丁计算32个特征。它的重量张量将有一个形状[5, 5, 1, 32]。前两个维度是色块大小，下一个是输入通道的数量，最后一个是输出通道的数量。我们还将为每个输出通道分配一个偏置矢量。

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

为了应用该层，我们首先重塑x为4d张量，第二和第三维对应于图像的宽度和高度，并且最终尺寸对应于颜色通道的数量。

x_image = tf.reshape(x, [-1, 28, 28, 1])

然后x_image，我们用权重张量进行卷积，添加偏差，应用ReLU函数，最后使用最大值池。该max_pool_2x2方法将图像尺寸减小到14x14。

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

第二卷积层

为了建立一个深层网络，我们堆叠了这种类型的几个层。第二层将为每个5x5修补程序提供64个功能。

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)
h_pool2 = max_pool_2x2(h_conv2)

密集连接层

现在图像尺寸已经减小到7x7，我们添加了一个具有1024个神经元的完全连接图层，以允许在整个图像上进行处理。我们将池中的张量重塑为一批向量，乘以权重矩阵，添加偏差，并应用ReLU。

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)

丢失

为了减少过拟合，我们将在读出层之前应用丢失。我们创建了placeholder一个神经元输出在丢失期间保持的概率。这可以让我们在训练过程中关闭失误，并在测试过程中将其关闭。TensorFlow的tf.nn.dropoutop会自动处理缩放神经元输出，并掩盖它们，所以dropout在没有任何额外缩放的情况下工作。

keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

读出层

最后，我们添加一个图层，就像上面的一层softmax回归一样。

W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

培训和评估模型

这个模型有多好？为了训练和评估它，我们将使用与上述简单的一层SoftMax网络几乎相同的代码。

不同之处在于：

  • 我们将用更复杂的ADAM优化器替换最陡梯度下降优化器。

  • 我们将包括额外的参数keep_prob中feed_dict，控制丢失率。

  • 我们将在训练过程中每100次迭代添加日志记录。

我们也将使用tf.Session而不是tf.InteractiveSession。这更好地分离了创建图的过程（模型规范）和评估图的过程（模型拟合）。它通常会使代码更简洁。tf.Session是在一个with块内创建的，所以一旦块被退出，它就会自动销毁。

随意运行此代码。请注意，它会进行20,000次训练迭代，可能需要一段时间（可能长达半小时），具体取决于您的处理器。

cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  for i in range(20000):
    batch = mnist.train.next_batch(50)
    if i % 100 == 0:
      train_accuracy = accuracy.eval(feed_dict={
          x: batch[0], y_: batch[1], keep_prob: 1.0})
      print('step %d, training accuracy %g' % (i, train_accuracy))
    train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

  print('test accuracy %g' % accuracy.eval(feed_dict={
      x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

运行此代码后的最终测试集精度应为约99.2％。

我们已经学会了如何使用TensorFlow快速轻松地构建，培训和评估相当复杂的深度学习模型。

1：对于这个小型卷积网络来说，性能实际上几乎相同，没有丢失。丢手通常在减少过度拟合方面非常有效，但在训练非常大的神经网络时它是最有用的。↩

  • 黔ICP备2021005045号