卷积和神经网络
神经网络是由一连串的神经层组成,每一层神经层里面有很多神经元. 神经元是神经网络识别事物的关键.
每一种神经网络都会有输入输出值, 当输入值是图片的时候, 实际上输入神经网络的并不是那些色彩缤纷的图案,而是一堆堆的数字.
当神经网络需要处理这么多输入信息的时候, 也就是卷积神经网络就可以发挥它的优势的时候了.
卷积神经网络拆开来看. “卷积” 和 “神经网络”.
卷积也就是说神经网络不再是对每个像素的输入信息做处理了,而是图片上每一小块像素区域进行处理,
这种做法加强了图片信息的连续性. 使得神经网络能看到图形, 而非一个点. 同时也加深了神经网络对图片的理解.
具体来说, 卷积神经网络有一个批量过滤器, 持续不断的在图片上滚动收集图片里的信息,每一次收集的时候都只是收集一小块像素区域,
然后把收集来的信息进行整理, 这时候整理出来的信息有了一些实际上的呈现(比如这时的神经网络能看到一些边缘的图片信息),
然后在以同样的步骤, 用类似的批量过滤器扫过产生的这些边缘信息,
神经网络从这些边缘信息里面总结出更高层的信息结构,比如说总结的边缘能够画出眼睛,鼻子等等.
再经过一次过滤, 脸部的信息也从这些眼睛鼻子的信息中被总结出来.
最后我们再把这些信息套入几层普通的全连接神经层进行分类, 这样就能得到输入的图片能被分为哪一类的结果了.
图片是如何被卷积的
上面是一张猫的图片, 图片有长, 宽, 高 三个参数. 这里的高指的是计算机用于产生颜色使用的信息. 如果是黑白照片的话, 高的单位就只有1, 如果是彩色照片, 就可能有红绿蓝三种颜色的信息, 这时的高度为3. 我们以彩色照片为例子.
过滤器就是影像中不断移动的东西, 他不断在图片收集小批小批的像素块, 收集完所有信息后输出值,
输出的值,我们可以理解成是一个高度更高,长和宽更小的”图片”. 这个图片里就能包含一些边缘信息.
然后以同样的步骤再进行多次卷积, 将图片的长宽再压缩, 高度再增加, 就有了对输入图片更深的理解.
将压缩,增高的信息嵌套在普通的分类神经层上,我们就能对这种图片进行分类了.
池化(pooling)
每一次卷积的时候, 神经层可能会无意地丢失一些信息. 这时, 池化 (pooling) 就可以很好地解决这一问题.
池化是一个筛选过滤的过程, 能将 layer 中有用的信息筛选出来, 给下一个层分析.
同时也减轻了神经网络的计算负担. 也就是说在卷积的时候, 我们不压缩长宽, 尽量地保留更多信息, 压缩的工作就交给池化了,
这样的一项附加工作能够很有效的提高准确性. 有了这些技术,我们就可以搭建一个属于我们自己的卷积神经网络啦.
流行的CNN结构
比较流行的一种搭建结构从下到上的顺序:
输入的图片(image)-> 经过一层卷积层 (convolution)->用池化(pooling)方式处理卷积的信息,(这里使用的是 max pooling )->再经过一次同样的处理->
把信息传入两层全连接的神经层 (fully connected),->接上一个分类器(classifier)进行分类预测.
MNIST手写数据
定义training data的数据
import torch
import torch.nn as nn #简写代称
import torch.utils.data as Data
import torchvision # 数据库模块
import matplotlib.pyplot as plt
torch.manual_seed(1) # reproducible
# Hyper Parameters
EPOCH = 1 # 训练整批数据多少次, 为了节约时间, 我们只训练一次
BATCH_SIZE = 50
LR = 0.001 # 学习率
DOWNLOAD_MNIST = True # 如果你已经下载好了mnist数据就写上 False
# Mnist 手写数字库下载
train_data = torchvision.datasets.MNIST(
root='./mnist/', # 保存或者提取位置
train=True, # 是训练数据
transform=torchvision.transforms.ToTensor(),# 转换 PIL.Image or numpy.ndarray 成
# torch.FloatTensor (C x H x W), 训练的时候 normalize 成 [0.0, 1.0] 区间(0到1)
download=DOWNLOAD_MNIST, # 没下载就下载, 下载了就不用再下了
)
画图呈现
图片
黑色的地方的值都是0, 白色的地方值大于0.
测试数据
test_data = torchvision.datasets.MNIST(root='./mnist/', train=False)#非训练数据,是测试数据
# 批训练 50samples, 1 channel, 28x28 (50, 1, 28, 28)
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
# 为了节约时间, 我们测试时只测试前2000个
test_x = torch.unsqueeze(test_data.test_data, dim=1).type(torch.FloatTensor)[:2000]/255.
#只有在train_loader中才会自己变成0-1之间,所以这里手动-255变区间
# shape from (2000, 28, 28) to (2000, 1, 28, 28), value in range(0,1)
test_y = test_data.test_labels[:2000]
cnn模型
用一个 class 来建立 CNN 模型.
这个 CNN 整体流程是 卷积(Conv2d
) -> 激励函数(ReLU
) -> 池化, 向下采样 (MaxPooling
) -> 再来一遍 -> 展平多维的卷积成的特征图 -> 接入全连接层 (Linear
) -> 输出
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = nn.Sequential( # input shape (1, 28, 28)搭建卷积层
nn.Conv2d( #卷积层(过滤器)
in_channels=1, # input height 高度(灰度图片只有1层,RGB图片3层)
out_channels=16, # n_filters 每一小块加工后输出高度为16的图片
kernel_size=5, # filter size 用5*5的像素点进行扫描
stride=1, # filter 每隔多少步跳一下,第一个filter与第二个中间隔了一个pixcel
padding=2,
# 如果想要 con2d 出来的图片长宽没有变化, padding=(kernel_size-1)/2
), # output shape (16, 28, 28)
nn.ReLU(), # 神经网络:激活函数
nn.MaxPool2d(kernel_size=2),
# 池化层:在 2x2 空间里向下采样, output shape (16, 14, 14)
#生成更厚的图片之后筛选出重要信息,去区域最大的值,选2*2中间最大的值,宽更窄,高不变
)
self.conv2 = nn.Sequential( # input shape (16, 14, 14)
nn.Conv2d(16, 32, 5, 1, 2), # output shape (32, 14, 14)
#对应上面的变量直接写数值简化操作
nn.ReLU(), # activation
nn.MaxPool2d(2), # output shape (32, 7, 7)
)
self.out = nn.Linear(32 * 7 * 7, 10) # 全连接层, 输出10个分类
def forward(self, x):
x = self.conv1(x)
x = self.conv2(x) #(batch,32,7,7)
x = x.view(x.size(0), -1) # 展平多维的卷积图成 (batch_size, 32 * 7 * 7)batch维度保留
output = self.out(x)#放入out
return output
cnn = CNN()
print(cnn) # net architecture
"""
CNN (
(conv1): Sequential (
(0): Conv2d(1, 16, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
(1): ReLU ()
(2): MaxPool2d (size=(2, 2), stride=(2, 2), dilation=(1, 1))
)
(conv2): Sequential (
(0): Conv2d(16, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
(1): ReLU ()
(2): MaxPool2d (size=(2, 2), stride=(2, 2), dilation=(1, 1))
)
(out): Linear (1568 -> 10)
)
"""
训练, 将 x
y
都用 Variable
包起来, 放入 cnn
中计算 output
, 最后再计算误差.
下面代码省略了计算精确度 accuracy
的部分,
optimizer = torch.optim.Adam(cnn.parameters(), lr=LR) # optimize all cnn parameters
loss_func = nn.CrossEntropyLoss() # the target label is not one-hotted
# training and testing
for epoch in range(EPOCH):
for step, (b_x, b_y) in enumerate(train_loader): # 分配 batch data, normalize x when iterate train_loader
output = cnn(b_x) # cnn output
loss = loss_func(output, b_y) # cross entropy loss
optimizer.zero_grad() # clear gradients for this training step
loss.backward() # backpropagation, compute gradients
optimizer.step() # apply gradients
"""
...
Epoch: 0 | train loss: 0.0306 | test accuracy: 0.97
Epoch: 0 | train loss: 0.0147 | test accuracy: 0.98
Epoch: 0 | train loss: 0.0427 | test accuracy: 0.98
Epoch: 0 | train loss: 0.0078 | test accuracy: 0.98
"""
每50步输出打印
输出结果
取10个数据,看预测值
test_output = cnn(test_x[:10])
pred_y = torch.max(test_output, 1)[1].data.numpy().squeeze()
print(pred_y, 'prediction number')
print(test_y[:10].numpy(), 'real number')
"""
[7 2 1 0 4 1 4 9 5 9] prediction number
[7 2 1 0 4 1 4 9 5 9] real number
"""
可视化训练
可视化的代码主要是用 matplotlib
和 sklearn
来完成的,
因为其中我们用到了 T-SNE
的降维手段, 将高维的 CNN 最后一层输出结果可视化, 也就是 CNN forward 代码中的 x = x.view(x.size(0), -1)
这一个结果.
可视化的结果