Deep MNIST for Experts代码分析

Deep MNIST for Experts是TensorFlow Get Started中HelloWorld级别的的例子。它分两个版本:MNIST For ML BeginnersDeep MNIST for Experts。前者采用没有隐藏层的梯度下降,结合上一篇笔记很容易看明白;后者使用了深度神经网络,本节重点分析它。

代码

代码在框架上很简单,和上一节的例子相比,只不过多了几层运算的叠加,我将分析插入到代码注释中了:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
def tcMain(self):
mnist = self.loadData()
sess = tf.InteractiveSession()
x = tf.placeholder("float", shape=[None, 784]) # ?×784
y_ = tf.placeholder("float", shape=[None, 10]) # ?×10
# 第一层卷积:卷积核为5×5,通道数为1,共32个卷积核
W_conv1 = self.weight_variable([5, 5, 1, 32])
b_conv1 = self.bias_variable([32])
# 为了用卷积层,把x变成一个4d向量,其第2、第3维为宽、高,最后一维为颜色通道数
# (因为是灰度图所以这里的通道数为1,如果是rgb彩色图,则为3)。
x_image = tf.reshape(x, [-1,28,28,1])
# 构造本层运算
h_conv1 = tf.nn.relu(self.conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = self.max_pool_2x2(h_conv1)
# 第二层卷积
W_conv2 = self.weight_variable([5, 5, 32, 64])
b_conv2 = self.bias_variable([64])
h_conv2 = tf.nn.relu(self.conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = self.max_pool_2x2(h_conv2)
# 全连接层
W_fc1 = self.weight_variable([7 * 7 * 64, 1024])
b_fc1 = self.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)
# Dropout
# 为了减少过拟合,在输出层之前加入dropout。用一个placeholder来代表一个神经元的
# 输出在dropout中保持不变的概率。在训练过程中启用dropout,在测试过程中关闭dropout。
# TensorFlow的tf.nn.dropout操作除了可以屏蔽神经元的输出外,还会自动处理神经元输
# 出值的scale。所以用dropout的时候可以不用考虑scale。
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# 输出层
W_fc2 = self.weight_variable([1024, 10])
b_fc2 = self.bias_variable([10])
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
cross_entropy = -tf.reduce_sum(y_*tf.log(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, "float"))
sess.run(tf.initialize_all_variables())
train_writer = tf.summary.FileWriter('summary', sess.graph)
# 训练网络
for i in range(2000):
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})
train_accuracy = float(train_accuracy) * 100.
logging.info("step %d, training accuracy: %.2f%%"%(i, train_accuracy))
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
# 验证测试集
test_accuracy = accuracy.eval(feed_dict={
x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0})
test_accuracy = float(test_accuracy) * 100.
logging.info("test accuracy: %.2f%%"%test_accuracy)
train_writer.close()

在卷积运算中采用了SAME策略:

1
2
3
4
5
def conv2d(self, x, W):
''' 构造卷积层 '''
# strides的含义是[batch, height, width, channels],此处表示向右、向下的滑动步长均为1
# 该卷积运算前后,矩阵尺寸不变
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

因此每次卷积运算后,矩阵的尺寸不变,通道数变成卷积核的个数。

池化策略则是先通过padding,是的前后运算的矩阵尺寸不变,但是由于设定了步长为2,因此,每次池化后矩阵尺寸缩减为原来的一半:

1
2
3
4
5
def max_pool_2x2(self, x):
''' 构造池化层 '''
# ksize定义池化窗口大小:2×2;strides定义步长:2×2
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')

无论卷积还是池化,DeepLearning.ai笔记(九)中引入的卷积前后矩阵尺寸的关系公式:\(n_{new} = \frac{n+2p-f}{s+1}\)
(其中:n为被运算矩阵长、宽,p为padding宽度,f为卷积核长、宽,s为步长)
似乎用不到了。

从代码得到网络的结构图并不容易:

使用tf.summary生成网络结构图

在网络构建完成后,有一行代码
train_writer = tf.summary.FileWriter('summary', sess.graph)
这是用tf自动生成网络结构。在代码运行完成后,它会在./summary目录下生成NN网络信息。执行命令:

1
2
$ tensorboard --logdir=./summary
TensorBoard 1.6.0 at http://palancedeMacBook-Pro.local:6006 (Press CTRL+C to quit)

然后在浏览器中输入:http://localhost:6006,可以看到自动生成的网络结构图:

参考资料

Deep MNIST for Experts
深入MNIST
TensorBoard:可视化学习
本节代码可参见:
https://github.com/palanceli/MachineLearningSample/blob/master/TensorFlow/s02mnist.py之MnistAdv