tensorflow识别手写数字（2）

TensorFlow 擅长大规模的计算图模型，它的特长之一就是训练深度神经网络，这篇教程将会使用TensorFlow 构建一个CNN来识别MNIST.

建立CNN

在之前的softmax中我们的准确率只有92%左右，在这里我们使用一个简单的CNN将会把准确率提升至99.2%。

权重初始化

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)

卷积和池化

TensorFlow同样提供了方便的卷积和池化计算。怎样处理边界元素？怎样设置卷积窗口大小？在这个例子中，我们始终使用

vanilla

版本。这里的卷积操作仅使用了滑动步长为1的窗口，使用0进行填充，所以输出规模和输入的一致；而池化操作是在2 * 2的窗口内采用最大池化技术(max-pooling)。

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')

第一个卷积层

这一层包括一个卷积层和一个最大池化层，对每一个5*5图像都将其卷积为32个特征，它的weight tensor形状为

[5,5,1,32]

[5,5]

代表patch大小，

[1]

代表输入维度，

[32]

代表输出维度。

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

同时要把x转化为4维的tensor，第2，3维为原来的长和宽，第四维为色彩数。

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

接下来实施卷积和池化：

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

第二个卷积层

对每个5*5的patch有64个特征。

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)

全连接层

这时图片已经变成7*7大小的了，每个像素点上有64个特征，我们把这个3维的tensor转化为一个向量，再添加一个有1024个神经元的隐藏层作为全连接层。

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)

Dropout

为了避免过拟合使用Dropout方法， 具体的，使用placeholder作为Dropout概率，可以让我们在训练时有Dropout，在测试时关掉Dropout。

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

输出层

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

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

训练和评价模型

CNN的训练和评价和之前softmax中的差不多，主要区别在于：

使用ADAM进行优化，而不是梯度下降

使用

keep_prob

控制Dropout率

每训练一百次输出日志（因为CNN训练相对较慢，打印日志便于调试）

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))
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}))