【TensorFlow】开始第一个CNN模型_tensorflow cnn model

这篇文章介绍一下如何开始第一个tensorflow模型。

对于大部分机器学习模型来说，离线数据流主要可以分为特征抽取，特征预处理，模型训练，模型评估等几个部分。这里将会用简短的代码基于tensorflow实现一个简单的CNN模型。tensorflow是目前业界使用的十分广泛的深度学习框架，尽管pytorch大有后来者居上的趋势，但是tensorflow在业界应用上的王者地位依然难以动摇，特别是在生态构建和硬件支持上，pytorch暂时还没有展现出tensorflow一样的能力。tensorflow的学习和调试难度一直受人诟病，但是随着2.0版本keras的引入，框架的易用性大大提升，相信后续较长时间tensorflow依然是业界主流的深度学习框架。

1.训练数据

这里例程的选用比较简单的数据集MNIST，训练集共由四部分组成。

训练集共包含5500条样本，每条样本的图片大小为28*28。label我们这里选择one_hot编码形式，即用10个桶表示10个数字（例如数字5用one_hot表示为[0, 0, 0, 0, 0, 1, 0, 0, 0, 0]），这种形式方便我们后续的loss计算。测试集包含1000条样本，每条样本的形式和训练集相同。

2.建立模型

tensorflow采用固化图的方式运行，主要由计算图（tf.Graph）负责，在运行前首先要构建计算图，计算图主要包含了张量（tf.Tensor）和节点（tf.Operation）。张量可以理解为数据管道，每个节点是对张量进行的变化处理。需要注意的是张量和数据并不是同一个概念，这里的张量可以理解为水管，是数据的通道，所以在没有灌入数据之前，计算图是不会直接得出准确结果的。

这里我们首先建立模型的主体，这个主体就是由计算图的形式表达的。

def setup_model(input_x, input_y):
    """
    setup cnn model
    """
    # conv1 input_x shape: (batch_size, 28, 28, 1), filter number: 8 filter size: 3*3
    conv1 = tf.layers.conv2d(input_x, 8, 3, activation=tf.nn.relu)
    # 2*2 max pooling 
    conv1 = tf.layers.max_pooling2d(conv1, 2, 2)
    conv2 = tf.layers.conv2d(conv1, 16, 3, activation=tf.nn.relu)
    conv2 = tf.layers.max_pooling2d(conv2, 2, 2)
    # flatten conv2 result
    flatten = tf.layers.flatten(conv2)
    # full connect
    dense1 = tf.layers.dense(flatten, 20, activation=tf.nn.relu)
    output = tf.layers.dense(dense1, 10, activation=tf.sigmoid)
 
    loss = loss_fuc(output, input_y)
    optimizer = tf.train.AdamOptimizer(learning_rate=0.001)
    min_op = optimizer.minimize(loss, global_step=tf.train.get_global_step())
    accuracy = eval(output, input_y)
    return [loss, accuracy, min_op]
 
 
def loss_fuc(y_predict, y_true):
    """
    loss function
    """
    return tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y_predict, labels=y_true))
 
 
def eval(y_predict, y_true):
    """
    get accuracy
    """
    correct_prediction = tf.equal(tf.argmax(y_predict, 1), tf.argmax(y_true, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    return accuracy

模型输入为28*28*1的图片，主要包含了四层：第一个卷积层conv1，采用了最大池化。第二个卷积层和第一个卷积层结构类似，只是filter数量略有不同。第二层卷积之后，我们用flatten把所有卷积结果拉平为一维向量，然后经过了一层全连接，最后采用一层sigmoid作为数据结果。

loss_fuc定义了loss的计算方式。tf.nn.softmax_cross_entropy_with_logits用于计算分类结果的交叉熵loss，这里需要注意的是函数内部进行了suftmax处理，所以直接输入模型预测结果和标签就行，不需要再对模型预测结果进行softmax处理。

eval函数用于评估模型预测结果。

3.训练和测试

def train_model(mnist):
    """
    train and test model
    """
    epoch = 100
    batch_size = 128
    
    input_x = tf.placeholder(tf.float32, [None, 28, 28, 1])
    input_y = tf.placeholder(tf.float32, [None, 10])
 
    [loss, accuracy, train_step] = setup_model(input_x, input_y)
    sess = tf.Session()
    sess.run(tf.global_variables_initializer())
    
    feature = mnist.train.images
    label = mnist.train.labels
    feature = feature.reshape((feature.shape[0], 28, 28, 1))
    steps = int(feature.shape[0] / batch_size)
 
    for i in range(epoch):
        loss_list = []
        accuracy_list = []
        for j in range(steps):
            batch = [feature[j: j + batch_size], label[j: j + batch_size]]
            loss_out, accuracy_out, _ = sess.run([loss, accuracy, train_step], feed_dict={input_x: batch[0], input_y: batch[1]})
            loss_list.append(loss_out)
            accuracy_list.append(accuracy_out)
        print ("epoch: {}, loss mean: {}, accuracy: {}".format(i, np.mean(np.array(loss_list)), np.mean(np.array(accuracy_list))))
 
    print ("test model")
    test_feature = mnist.test.images
    test_label = mnist.test.labels
    test_feature = test_feature.reshape((test_feature.shape[0], 28, 28, 1))
    test_accuracy = sess.run(accuracy, feed_dict={input_x: test_feature, input_y: test_label})
    print ("test accuracy: {}".format(test_accuracy))

训练和测试函数中我们定义了input_x和input_y两个tf.placeholder，这两个tensor可以看作是计算图接受数据流输入的接口。在计算图构建完成以后，我们定义了一个会话（tf.Session）。会话可以看作是执行计算图的指令入口，我们之前定义的计算图都是静态的，要让这个计算图run起来，就需要通过session传入相关的数据和指令。注意第一次训练前需要对计算图进行初始化操作。

setup_model函数返回了三个operation，分别是loss，accuracy，train_step。在运行计算图进行训练时，我们通过feed_dict传入训练或者测试用的数据，然后通过session传入我们想看到的结果（这里传入的是包含loss，accuracy，train_step的list）。这样session.run()函数就会运行计算图，并返回给我们想要的结果。

关于Session的几个注意事项：

1.在进行第一次训练之前记得使用tf.global_variables_initializer()初始化计算图内的所有参数。

2.在训练的for循环内切记不要修改计算图，任何增加计算图tensor或者operation的操作都可能导致训练过程中内存暴增。

3.一个会话被定义之后如果没有指定计算图就会使用默认计算图。