在TensorFlow上使用LeNet-5模型识别MNIST数据

待我称王封你为后i 2022-06-01 11:47 238阅读 0赞

完整代码可在[https://github.com/TimeIvyace/MNIST-TensorFlow.git][https_github.com_TimeIvyace_MNIST-TensorFlow.git]中下载。文件夹为***train\_improved3***，文件夹中一共三个py程序，***mnist\_inference.py***定义前向传播的过程以及神经网络中的参数，***mnist\_train.py***用于训练和***mnist\_eval.py***用于测试。  
***注意：使用代码需要修改MNIST数据集存储位置以及卷积网络存储位置。***

此代码中的LeNet-5网络为改进版，依然为7层结构，但是使用的第一个卷积层过滤器尺寸为5\*5\*32，第二个卷积层过滤器尺寸为5\*5\*64。  
注意：训练网络的学习率不宜太高，容易结果发散。

***mnist\_inference.py : 定义前向传播的过程以及神经网络中的参数***

# -*- coding:utf-8 -*-
    
    #定义前向传播的过程以及神经网络中的参数
    
    import tensorflow as tf
    
    INPUT_NODE = 784  #输入层的节点数，图片为28*28，为图片的像素
    OUTPUT_NODE = 10   #输出层的节点数，等于类别的数目，需要区分0-9，所以为10类
    
    IMAGE_SIZE = 28
    NUM_CHANNELS = 1 #处理的图像深度
    NUM_LABELS = 10
    
    # 第一层卷积层的尺寸和深度
    CONV1_DEEP = 32
    CONV1_SIZE = 5
    # 第二层卷积层的尺寸和深度
    CONV2_DEEP = 64
    CONV2_SIZE = 5
    # 全连接层的节点个数
    FC_SIZE = 512
    
    
    # 定义卷积神经网络的前向传播过程，train用于区分训练过程和测试过程
    # 增加了dropout方法，进一步提高模型可靠性防止过拟合，dropout只在训练时使用
    def inference(input_tensor, train, regularizer):
        # 声明第一层卷积层的变量并实现前向传播，通过不同的命名空间来隔离不同层的变量
        # 让每一层中的变量命名只需要考虑在当前层的作用，不需要考虑重名
        # 因为卷积层输入为28*28*1，使用全0填充
        with tf.variable_scope('layer1-conv1'):
            conv1_weight = tf.get_variable("weight", [CONV1_SIZE, CONV1_SIZE, NUM_CHANNELS, CONV1_DEEP],
                                           initializer=tf.truncated_normal_initializer(stddev=0.1))
            conv1_biases = tf.get_variable("bias", [CONV1_DEEP], initializer=tf.constant_initializer(0.0))
    
            # 使用边长为5，深度为32的过滤器，过滤器移动的步长为1，且使用全0填充
            conv1 = tf.nn.conv2d(input_tensor, conv1_weight, [1, 1, 1, 1], padding='SAME')
            relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))
    
        # 实现第二层池化层的前向传播过程，选用最大池化，过滤器边长为2，步长2，全0填充
        # 池化层的输入是上层卷积层的输出，也就是28*28*32的矩阵，输出为14*14*32的矩阵
        with tf.name_scope('layer2-pool1'):
            pool1 = tf.nn.max_pool(relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
        # 声明第三层卷积层前向传播过程，这一层输入为14*14*32，输出为14*14*64
        with tf.variable_scope('layer3-conv2'):
            conv2_weight = tf.get_variable("weight", [CONV2_SIZE, CONV2_SIZE, CONV1_DEEP, CONV2_DEEP],
                                           initializer=tf.truncated_normal_initializer(stddev=0.1))
            conv2_biases = tf.get_variable("bias", [CONV2_DEEP], initializer=tf.constant_initializer(0.0))
    
            # 使用边长为5，深度为64的过滤器，步长为1，全0填充
            conv2 = tf.nn.conv2d(pool1, conv2_weight, [1, 1, 1, 1], padding='SAME')
            relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))
    
        # 实现第四层池化层的前向传播过程，与第二层结构一样，输入为14*14*64，输出为7*7*64
        with tf.name_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的输入格式，需要将7*7*64拉成一个向量
        # pool2.get_shape可以得到第四层输出矩阵的维度
        # 每一层神经网络的输入输出都为一个batch的矩阵，所以这里得到的维度也包含了一个batch中数据的个数
        pool_shape = pool2.get_shape().as_list()
        # 计算将矩阵拉直成向量之后的长度，这个长度是矩阵长度以及深度的乘积
        # pool_shape[0]为一个batch中数据的个数,[1][2]分别为长宽，[3]为深度
        nodes = pool_shape[1] * pool_shape[2] * pool_shape[3]
    
        # 通过tf.reshape函数将第四层的输出变成一个batch的向量
        reshaped = tf.reshape(pool2, [pool_shape[0], nodes])
    
        # 声明第五层全连接层的前向传播过程。输入为拉直的向量，长度3136，输出512的向量
        # 引入dropout，在训练时会将部分节点的输出改为0，一般只在全连接层使用
        with tf.variable_scope('layer5-fc1'):
            fc1_weight = tf.get_variable("weight", [nodes, FC_SIZE],
                                         initializer=tf.truncated_normal_initializer(stddev=0.1))
            # 只有全连接层的权重需要加入正则化
            if regularizer != None:
                tf.add_to_collection('losses', regularizer(fc1_weight))
            fc1_biases = tf.get_variable("bias", [FC_SIZE], initializer=tf.constant_initializer(0.1))
            fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weight) + fc1_biases)
            if train:
                fc1 = tf.nn.dropout(fc1, 0.5) # 0.5为每个元素被保存下来的概率
    
        # 声明第六层全连接层的前向传播过程，这一层的输入为长度是512的向量，输出为10的一维向量
        # 结果需要通过softmax层
        with tf.variable_scope('layer6-fc2'):
            fc2_weight = tf.get_variable("weight", [FC_SIZE, OUTPUT_NODE],
                                         initializer=tf.truncated_normal_initializer(stddev=0.1))
            if regularizer != None:
                tf.add_to_collection('losses', regularizer(fc2_weight))
            fc2_biases = tf.get_variable("bias", [OUTPUT_NODE], initializer=tf.constant_initializer(0.1))
            logit = tf.matmul(fc1, fc2_weight) + fc2_biases
    
        #返回第六层的输出
        return logit

***mnist\_train.py : 定义神经网络的训练过程***

# -*- coding:utf-8 -*-
    
    #定义神经网络的训练过程
    
    import os  #os模块是对操作系统进行调用的接口
    import tensorflow as tf
    import numpy as np
    from tensorflow.examples.tutorials.mnist import input_data
    
    #加载mnist_inference.py中定义的常量和前向传播的函数
    import mnist_inference
    
    #配置神经网络的参数
    BATCH_SIZE = 100 #一个训练batch中的训练数据个数，数字越小，越接近随机梯度下降，越大越接近梯度下降
    LEARNING_RATE_BASE = 0.01 #基础的学习率
    LEARNING_RATE_DECAY = 0.99 #学习率的衰减率
    REGULARIZATION_RATE = 0.0001 #描述网络复杂度的正则化向在损失函数中的系数
    TRAINING_STEPS = 30000 #训练轮数
    MOVING_AVERAGE_DECAY = 0.99 #滑动平均衰减率
    #模型保存的路径和文件名
    MODEL_SAVE_PATH = "/tensorflow_google/mnist"
    MODEL_NAME = "mnist.ckpt"
    
    def train(mnist):
        #定义输入输出，卷积神经网络的输入层为一个三维矩阵
        #第一维为一个batch中样例的个数，第二维和第三维表示图片的尺寸，第四维表示图片的深度
        x = tf.placeholder(tf.float32, [BATCH_SIZE, mnist_inference.IMAGE_SIZE,
                                        mnist_inference.IMAGE_SIZE, mnist_inference.NUM_CHANNELS], name='x-input')
        y_ = tf.placeholder(tf.float32, [None, mnist_inference.OUTPUT_NODE], name='y-input')
    
        #正则化损失
        regularizer = tf.contrib.layers.l2_regularizer(REGULARIZATION_RATE)
        #直接使用mnist-inference.py中定义的前向传播过程
        y = mnist_inference.inference(x, 1, regularizer)
    
        global_step = tf.Variable(0, trainable=False)
        # 初始化滑动平均类
        variable_averages = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)
        # 在所有代表神经网络参数的变量上使用滑动平均，需要被训练的参数,variable_averages返回的就是GraphKeys.TRAINABLE_VARIABLES中的元素
        variable_averages_op = variable_averages.apply(tf.trainable_variables())
        # 计算交叉熵，使用了sparse_softmax_cross_entropy_with_logits，当问题只有一个正确答案时，可以使用这个函数来加速交叉熵的计算。
        # 这个函数的第一个参数是神经网络不包括softmax层的前向传播结果，第二个是训练数据的正确答案,argmax返回最大值的位置
        cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=tf.argmax(y_, 1))
        # 计算在当前batch中所有样例的交叉熵平均值
        cross_entropy_mean = tf.reduce_mean(cross_entropy)
        loss = cross_entropy_mean + tf.add_n(tf.get_collection('losses'))
        # 设置指数衰减的学习率
        learning_rate = tf.train.exponential_decay(LEARNING_RATE_BASE, global_step,
                                                   mnist.train.num_examples / BATCH_SIZE, LEARNING_RATE_DECAY)
        # LEARNING_RATE_BASE为基础学习率，global_step为当前迭代的次数
        # mnist.train.num_examples/BATCH_SIZE为完整的过完所有的训练数据需要的迭代次数
        # LEARNING_RATE_DECAY为学习率衰减速度
    
        # 使用GradientDescentOptimizer优化算法优化损失函数
        train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_step)
        # 在训练神经网络的时候，每过一遍数据都要通过反向传播来更新参数以及其滑动平均值
        # 为了一次完成多个操作，可以通过tf.control_dependencies和tf.group两种机制来实现
        # train_op = tf.group(train_step, variable_averages_op)  #和下面代码功能一样
        with tf.control_dependencies([train_step, variable_averages_op]):
            train_op = tf.no_op(name='train')
    
        #初始化TensorFlow持久化类
        saver = tf.train.Saver()
        with tf.Session() as sess:
            tf.global_variables_initializer().run()
    
            #在训练过程中不再测试网络在验证数据上的表现，验证和测试的过程将会有一个独立的程序
            for i in range(TRAINING_STEPS):
                xs, ys = mnist.train.next_batch(BATCH_SIZE)
                #将输入的训练数据调整为一个四维矩阵
                reshaped_xs = np.reshape(xs, (BATCH_SIZE, mnist_inference.IMAGE_SIZE,
                                              mnist_inference.IMAGE_SIZE, mnist_inference.NUM_CHANNELS))
                _, loss_value, step = sess.run([train_op, loss, global_step],
                                               feed_dict={x: reshaped_xs, y_: ys})
                #每1000轮保存一次模型
                if i%1000==0:
                    #输出当前的训练情况，只输出了网络在当前训练batch上的损失函数大小
                    print("After %d training step(s), loss on training batch is %g," %(step, loss_value))
                    #保存当前的网络，给出了global_step参数，这样可以让每个保存网络的文件名末尾加上训练的轮数
                    #例如mnist.ckpt-1000
                    saver.save(sess, os.path.join(MODEL_SAVE_PATH, MODEL_NAME), global_step=global_step)
    
    def main(argv=None):
        mnist = input_data.read_data_sets("/tensorflow_google", one_hot=True)
        train(mnist)
    
    if __name__=='__main__':
        tf.app.run()

***mnist\_eval.py : 测试集测试网络效果***

# -*- coding: utf-8 -*-
    import time
    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
    import numpy as np
    
    #加载mnist_inference和mnist_train中定义的常量和函数
    import mnist_inference
    import mnist_train
    
    
    def evaluate(mnist):
        with tf.Graph().as_default() as g:  #将默认图设为g
            #定义输入输出的格式
            Validate_SIZE = mnist.validation.num_examples
            x = tf.placeholder(tf.float32, [Validate_SIZE, mnist_inference.IMAGE_SIZE,
                                            mnist_inference.IMAGE_SIZE, mnist_inference.NUM_CHANNELS], name='x-input')
            y_ = tf.placeholder(tf.float32, [None, mnist_inference.OUTPUT_NODE], name='y-input')
            xs = mnist.validation.images
            # 将输入的测试数据调整为一个三维矩阵
            reshaped_xs = np.reshape(xs, (Validate_SIZE, mnist_inference.IMAGE_SIZE,
                                          mnist_inference.IMAGE_SIZE, mnist_inference.NUM_CHANNELS))
            validate_feed = {x: reshaped_xs, y_: mnist.validation.labels}
    
            #直接通过调用封装好的函数来计算前向传播的结果
            #测试时不关注过拟合问题，所以正则化输入为None
            y = mnist_inference.inference(x, None, None)
    
            #使用前向传播的结果计算正确率，如果需要对未知的样例进行分类
            #使用tf.argmax(y, 1)就可以得到输入样例的预测类别
            correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
            # 首先将一个布尔型的数组转换为实数，然后计算平均值
            # 平均值就是网络在这一组数据上的正确率
            #True为1，False为0
            accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    
            #通过变量重命名的方式来加载模型
            variable_averages = tf.train.ExponentialMovingAverage(mnist_train.MOVING_AVERAGE_DECAY)
            variable_to_restore = variable_averages.variables_to_restore()
            # 所有滑动平均的值组成的字典，处在/ExponentialMovingAverage下的值
            # 为了方便加载时重命名滑动平均量，tf.train.ExponentialMovingAverage类
            # 提供了variables_to_store函数来生成tf.train.Saver类所需要的变量
            saver = tf.train.Saver(variable_to_restore) #这些值要从模型中提取
    
    
            with tf.Session() as sess:
                #tf.train.get_checkpoint_state函数
                # 会通过checkpoint文件自动找到目录中最新模型的文件名
                ckpt = tf.train.get_checkpoint_state(mnist_train.MODEL_SAVE_PATH)
                if ckpt and ckpt.model_checkpoint_path:
                    #加载模型
                    saver.restore(sess, ckpt.model_checkpoint_path)
                    #得到所有的滑动平均值
                    #通过文件名得到模型保存时迭代的轮数
                    global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
                    accuracy_score = sess.run(accuracy, feed_dict=validate_feed) #使用此模型检验
                    #没有初始化滑动平均值，只是调用模型的值，inference只是提供了一个变量的接口，完全没有赋值
                    print("After %s training steps, validation accuracy = %g"
                          %(global_step, accuracy_score))
                else:
                    print("No checkpoint file found")
                    return
    
    def main(argv=None):
        mnist = input_data.read_data_sets("/tensorflow_google", one_hot=True)
        evaluate(mnist)
    
    if __name__=='__main__':
        tf.app.run()

***输出为：After 29001 training steps, validation accuracy = 0.991***

[https_github.com_TimeIvyace_MNIST-TensorFlow.git]: https://github.com/TimeIvyace/MNIST-TensorFlow.git