12 使用卷积神经网络识别手写数字

看代码：

 1 import tensorflow as tf
 2 from tensorflow.examples.tutorials.mnist import input_data
 3
 4 # 下载训练和测试数据
 5 mnist = input_data.read_data_sets(‘MNIST_data/‘, one_hot = True)
 6
 7 # 创建session
 8 sess = tf.Session()
 9
10 # 占位符
11 x = tf.placeholder(tf.float32, shape=[None, 784]) # 每张图片28*28，共784个像素
12 y_ = tf.placeholder(tf.float32, shape=[None, 10]) # 输出为0-9共10个数字，其实就是把图片分为10类
13
14 # 权重初始化
15 def weight_variable(shape):
16     initial = tf.truncated_normal(shape, stddev=0.1) # 使用截尾正态分布的随机数初始化权重，标准偏差是0.1（噪音）
17     return tf.Variable(initial)
18
19 def bias_variable(shape):
20     initial = tf.constant(0.1, shape = shape) # 使用一个小正数初始化偏置，避免出现偏置总为0的情况
21     return tf.Variable(initial)
22
23 # 卷积和集合
24 def conv2d(x, W): # 计算2d卷积
25     return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding=‘SAME‘)
26
27 def max_pool_2x2(x): # 计算最大集合
28     return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding=‘SAME‘)
29
30 # 第一层卷积
31 W_conv1 = weight_variable([5, 5, 1, 32]) # 为每个5*5小块计算32个特征
32 b_conv1 = bias_variable([32])
33
34 x_image = tf.reshape(x, [-1, 28, 28, 1]) # 将图片像素转换为4维tensor，其中二三维是宽高，第四维是像素
35 h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
36 h_pool1 = max_pool_2x2(h_conv1)
37
38 # 第二层卷积
39 W_conv2 = weight_variable([5, 5, 32, 64])
40 b_conv2 = bias_variable([64])
41
42 h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
43 h_pool2 = max_pool_2x2(h_conv2)
44
45 # 密集层
46 W_fc1 = weight_variable([7 * 7 * 64, 1024]) # 创建1024个神经元对整个图片进行处理
47 b_fc1 = bias_variable([1024])
48
49 h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
50 h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
51
52 # 退出（为了减少过度拟合，在读取层前面加退出层，仅训练时有效）
53 keep_prob = tf.placeholder(tf.float32)
54 h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
55
56 # 读取层（最后我们加一个像softmax表达式那样的层）
57 W_fc2 = weight_variable([1024, 10])
58 b_fc2 = bias_variable([10])
59
60 y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2
61
62 # 预测类和损失函数
63 cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv)) # 计算偏差平均值
64 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 每一步训练
65
66 # 评估
67 correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
68 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
69 sess.run(tf.global_variables_initializer())
70
71 for i in range(1000):
72     batch = mnist.train.next_batch(50)
73     if i%10 == 0:
74         train_accuracy = accuracy.eval(feed_dict={ x:batch[0], y_: batch[1], keep_prob: 1.0}, session = sess) # 每10次训练计算一次精度
75         print("步数 %d, 精度 %g"%(i, train_accuracy))
76     train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5}, session = sess)
77
78 # 关闭
79 sess.close()

执行上面的代码后输出：

Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
步数 0, 精度 0.12
步数 10, 精度 0.34
步数 20, 精度 0.52
步数 30, 精度 0.56
步数 40, 精度 0.6
步数 50, 精度 0.74
步数 60, 精度 0.74
步数 70, 精度 0.78
步数 80, 精度 0.82

..........

步数 900, 精度 0.96
步数 910, 精度 0.98
步数 920, 精度 0.96
步数 930, 精度 0.98
步数 940, 精度 0.98
步数 950, 精度 0.9
步数 960, 精度 0.98
步数 970, 精度 0.9
步数 980, 精度 1
步数 990, 精度 0.9

可以看到，使用卷积神经网络训练1000次可以让精度达到95%以上，据说训练20000次精度可以达到99.2%以上。由于CPU不行，太耗时间，就不训练那么多了。大家可以跟使用softmax训练识别手写数字进行对比。《07 训练Tensorflow识别手写数字》

参考资料

1、Deep MNIST for Experts：https://www.tensorflow.org/get_started/mnist/pros