首页 > 代码库 > Tensorflow实践 mnist手写数字识别
Tensorflow实践 mnist手写数字识别
minst数据集
tensorflow的文档中就自带了mnist手写数字识别的例子，是一个很经典也比较简单的入门tensorflow的例子，非常值得自己动手亲自实践一下。由于我用的不是tensorflow中自带的mnist数据集，而是从kaggle的网站下载下来的，数据集有些不太一样，所以直接按照tensorflow官方文档上的参数训练的话还是踩了一些坑，特此记录。
首先从kaggle网站下载mnist数据集，一份是train.csv,用于训练，另一份是test.csv 用于测试提交的。
1 import pandas as pd 2 import numpy as np 3 4 train = pd.read_csv("train.csv") 5 test = pd.read_csv("test.csv")
表中的每一行代表一张图片，label代表这张图片的数字，其他列是每个像素点的值，不是0就是1，每张图有 28 * 28 = 784 个像素点。
由于输出的时候用的是softmax，所以要先对label进行one-hot encode.
all_x = np.array(train_data.iloc[:,1:],dtype=np.float32) all_y = np.array(train_data.iloc[:,0]) from sklearn.preprocessing import OneHotEncoder enc = OneHotEncoder() all_y_onehot = enc.fit_transform(all_y.reshape(-1,1)).toarray()
最后为了不用提交能测试模型的效果，将train_data 拆分成用于训练和用于测试两部分。
from sklearn.model_selection import train_test_split train_x,test_x,train_y,test_y = train_test_split(all_x,all_y_onehot,test_size=0.1,random_state=0)
感知机模型
先从最简单的神经网络模型出发，设计一个只有两层的神经网络，网络的输入是 784 维的，输出是10维的。大致可以分成两步：1. 设计网络结构 2. 设置优化方法
import tensorflow as tf sess = tf.InteractiveSession() x = tf.placeholder("float",shape=[None,784]) y_ = tf.placeholder("float",shape=[None,10]) W = tf.Variable(tf.zeros((784,10))) b = tf.Variable(tf.zeros((10,))) y = tf.nn.softmax(tf.matmul(x, W) + b) cross_entropy = -tf.reduce_sum(y_*tf.log(y)) train_step = tf.train.GradientDescentOptimizer(1e-2).minimize(cross_entropy) sess.run(tf.global_variables_initializer())
然后就可以开始训练了
train_size = train_x.shape[0] for i in range(1000): start = i*50 % train_size end = (i+1)*50 % train_size #print(start,end) #print(b.eval()) if start > end: start = 0 batch_x = train_x[start:end] batch_y = train_y[start:end] print(cross_entropy.eval(feed_dict={x:batch_x,y_:batch_y})) sess.run(train_step,feed_dict={x:batch_x,y_:batch_y})
为了查看模型的收敛情况，我把训练过程中的cross_entropy也打印出来了，但是发生了不幸的情况。
额，第一次迭代完之后交叉熵就变成nan了，可以同时把 b 和 y 的值也打印出来，发现应该是因为步长太大了，所以将步长调小，我将步长调为了1e-7。
嗯，输出就变正常啦~ 再看一下这个模型的效果。
在测试集上达到了90%的准确率，嗯，还不错，但是应该可以更好，毕竟kaggle上面的最高准确率都到100%了==，所以接着尝试用更复杂一些的卷积神经网络。
卷积神经网络
def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.0001) return tf.Variable(initial) def bias_variable(shape): initial = tf.constant(0.1, shape=shape) return tf.Variable(initial) 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‘)
#因为要进行卷积操作，所以要将图片reshape成28*28*1的形状。
x_image = tf.reshape(x,[-1,28,28,1])
开始设计网络
#第一层卷积层 + relu正则函数 + 池化层 W_conv1 = weight_variable([5,5,1,32]) b_conv1 = bias_variable([32]) h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) #第二层卷积层 + relu正则函数 + 池化层 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) #第一个全连接层 + relu正则函数 + 随机失活 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) keep_prob = tf.placeholder("float") h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) #第二个全连接层 + softmax输出 W_fc2 = weight_variable([1024,10]) b_fc2 = bias_variable([10]) y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
设置优化方法
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.global_variables_initializer())
然后就可以开始训练啦
train_size = train_x.shape[0] for i in range(1000): start = i*50 % train_size end = (i+1)*50 % train_size if start > end: start = 0 batch_x = train_x[start:end] batch_y = train_y[start:end] if i%20 == 0: print("iter {} : the accuracy is {:.2f}".format(i,accuracy.eval(feed_dict={x:batch_x,y_:batch_y,keep_prob:1.0})), ", the cross_entropy is {:.2f}".format(cross_entropy.eval(feed_dict={x:batch_x,y_:batch_y,keep_prob:1.0}))) sess.run(train_step,feed_dict={x:batch_x,y_:batch_y,keep_prob:0.5})
看一下输出的结果
最后准确率停留在0.95左右，但是训练开始的时候交叉熵变化不大，收敛比较慢，所以可以尝试将步长设大一些，于是将步长改为1e-3
嗯，准确率提升到了98%，还是不错的。这样模型就训练好了，在测试集上预测一下结果并将结果上传到kaggle。
test_x = np.array(test_data,dtype=np.float32) test_pred_y = y_conv.eval(feed_dict={x:test_x,keep_prob:1.0}) test_pred = np.argmax(test_pred_y,axis=1)
在测试集上的准确率也是98%左右，排名906，差不多是50%的位置，作为一个开始还是不错的^^.
总结
一， 用tensorflow的三大步骤：1、设计网络结构 2、设置优化方法 3、迭代进行训练
二，训练过程中观察损失函数的输出，如果一下子变成nan，可能是优化时的步长太大了，如果多次迭代没有变化的话可能是步长太小了。
三，多动手，毕竟就算是文档中的例子，自己运行的时候也不知道会发生什么[捂脸]
Tensorflow实践 mnist手写数字识别