使用TensorFlow构建卷积神经网络(CNN)实现MNIST手写数字识别-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00526/article/details/148360647

使用TensorFlow构建卷积神经网络(CNN)实现MNIST手写数字识别

data-science-ipython-notebooks donnemartin/data-science-ipython-notebooks: 是一系列基于 IPython Notebook 的数据科学教程，它涉及了 Python、 NumPy、 pandas、 SQL 等多种数据处理工具。适合用于学习数据科学和分析，特别是对于需要使用 Python 和 SQL 等工具进行数据分析和处理的场景。特点是数据科学教程、IPython Notebook、Python、SQL。项目地址: https://gitcode.com/gh_mirrors/da/data-science-ipython-notebooks

前言

卷积神经网络(CNN)是深度学习中最重要的模型之一，特别适合处理图像识别任务。本文将通过TensorFlow框架，构建一个完整的CNN模型来解决经典的MNIST手写数字识别问题。这个实现来自一个知名的数据科学项目中的深度学习示例，我们将深入解析每个技术细节。

环境准备

在开始之前，请确保已安装以下环境：

Python 2.7或更高版本
TensorFlow 1.0或更高版本
MNIST数据集(代码会自动下载)

数据准备

首先我们需要导入MNIST数据集，这是一个包含手写数字图像的标准数据集：

import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)

这段代码会自动下载MNIST数据集并解压到/tmp/data/目录下。数据集包含：

60,000张训练图像
10,000张测试图像
每张图像大小为28x28像素
标签采用one-hot编码

网络参数设置

我们需要定义一些关键的超参数：

learning_rate = 0.001  # 学习率
training_iters = 100000  # 训练迭代次数
batch_size = 128  # 每批训练样本数
display_step = 20  # 每隔多少步显示一次训练信息

# 网络结构参数
n_input = 784  # MNIST数据输入维度(28*28)
n_classes = 10  # MNIST类别数(0-9)
dropout = 0.75  # Dropout保留概率

构建CNN模型

我们的CNN模型包含以下层次结构：

输入层：将784维向量reshape为28x28x1的图像
第一卷积层：5x5卷积核，32个特征图
第一池化层：2x2最大池化
第二卷积层：5x5卷积核，64个特征图
第二池化层：2x2最大池化
全连接层：1024个神经元
输出层：10个神经元对应10个数字类别

下面是模型构建的核心代码：

def conv2d(img, w, b):
    return tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(img, w, strides=[1, 1, 1, 1], 
                                                 padding='SAME'),b))

def max_pool(img, k):
    return tf.nn.max_pool(img, ksize=[1, k, k, 1], strides=[1, k, k, 1], padding='SAME')

def conv_net(_X, _weights, _biases, _dropout):
    # 将输入reshape为28x28x1的图像
    _X = tf.reshape(_X, shape=[-1, 28, 28, 1])

    # 第一卷积层
    conv1 = conv2d(_X, _weights['wc1'], _biases['bc1'])
    conv1 = max_pool(conv1, k=2)  # 池化
    conv1 = tf.nn.dropout(conv1, _dropout)  # Dropout

    # 第二卷积层
    conv2 = conv2d(conv1, _weights['wc2'], _biases['bc2'])
    conv2 = max_pool(conv2, k=2)  # 池化
    conv2 = tf.nn.dropout(conv2, _dropout)  # Dropout

    # 全连接层
    dense1 = tf.reshape(conv2, [-1, _weights['wd1'].get_shape().as_list()[0]])
    dense1 = tf.nn.relu(tf.add(tf.matmul(dense1, _weights['wd1']), _biases['bd1']))
    dense1 = tf.nn.dropout(dense1, _dropout)

    # 输出层
    out = tf.add(tf.matmul(dense1, _weights['out']), _biases['out'])
    return out

权重和偏置初始化

在CNN中，我们需要为每一层初始化适当的权重和偏置：

weights = {
    'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32])),  # 第一卷积层
    'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64])), # 第二卷积层
    'wd1': tf.Variable(tf.random_normal([7*7*64, 1024])), # 全连接层
    'out': tf.Variable(tf.random_normal([1024, n_classes])) # 输出层
}

biases = {
    'bc1': tf.Variable(tf.random_normal([32])),
    'bc2': tf.Variable(tf.random_normal([64])),
    'bd1': tf.Variable(tf.random_normal([1024])),
    'out': tf.Variable(tf.random_normal([n_classes]))
}

模型训练

我们使用Adam优化器和交叉熵损失函数来训练模型：

# 构建模型
pred = conv_net(x, weights, biases, keep_prob)

# 定义损失函数和优化器
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)

# 评估模型
correct_pred = tf.equal(tf.argmax(pred,1), tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

训练过程会分批加载数据，并定期输出训练状态：

with tf.Session() as sess:
    sess.run(init)
    step = 1
    while step * batch_size < training_iters:
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        sess.run(optimizer, feed_dict={x: batch_xs, y: batch_ys, keep_prob: dropout})
        if step % display_step == 0:
            acc = sess.run(accuracy, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.})
            loss = sess.run(cost, feed_dict={x: batch_xs, y: batch_ys, keep_prob: 1.})
            print "Iter " + str(step*batch_size) + ", Minibatch Loss= " + \
                  "{:.6f}".format(loss) + ", Training Accuracy= " + "{:.5f}".format(acc)
        step += 1
    print "Optimization Finished!"
    print "Testing Accuracy:", sess.run(accuracy, feed_dict={x: mnist.test.images[:256], 
                                                          y: mnist.test.labels[:256], 
                                                          keep_prob: 1.})