题图来自：
本文主要演示了在CIFAR-10数据集上进行图像识别。其中有大段之前教程的文字及代码，如果看过的朋友可以快速翻阅。| | |
by / /
中文翻译 /简介
这篇教程介绍了如何创建一个在CIRAR-10数据集上进行图像分类的卷积神经网络。同时也说明了在训练和测试时如何使用不同的网络。
本文基于上一篇教程，你需要了解基本的TensorFlow和附加包Pretty Tensor。其中大量代码和文字与之前教程相似，如果你已经看过可以快速地浏览本文。
流程图
下面的图表直接显示了之后实现的卷积神经网络中数据的传递。首先有一个扭曲（distorts）输入图像的预处理层，用来人为地扩大训练集。接着有两个卷积层，两个全连接层和一个softmax分类层。在后面会有更大的图示来显示权重和卷积层的输出，教程 #02 有卷积如何工作的更多细节。
在这种情况下图像是误分类的。图像上有一只狗，但神经网络不确定它是狗还是猫，认为更有可能是猫。
from IPython.display import ImageImage('images/06_network_flowchart.png')复制代码 导入
%matplotlib inlineimport matplotlib.pyplot as pltimport tensorflow as tfimport numpy as npfrom sklearn.metrics import confusion_matriximport timefrom datetime import timedeltaimport mathimport os# Use PrettyTensor to simplify Neural Network construction.import prettytensor as pt复制代码
使用Python3.5.2（Anaconda）开发，TensorFlow版本是：
tf.__version__复制代码
'0.12.0-rc0'
PrettyTensor 版本:
pt.__version__复制代码
'0.7.1'
载入数据
import cifar10复制代码
设置电脑上保存数据集的路径。
# cifar10.data_path = "data/CIFAR-10/"复制代码
CIFAR-10数据集大概有163MB，如果给定路径没有找到文件的话，将会自动下载。
cifar10.maybe_download_and_extract()复制代码
Data has apparently already been downloaded and unpacked.
载入分类名称。
class_names = cifar10.load_class_names()class_names复制代码
Loading data: data/CIFAR-10/cifar-10-batches-py/batches.meta
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
载入训练集。这个函数返回图像、整形分类号码、以及用One-Hot编码的分类号数组，称为标签。
images_train, cls_train, labels_train = cifar10.load_training_data()复制代码
Loading data: data/CIFAR-10/cifar-10-batches-py/data_batch_1
Loading data: data/CIFAR-10/cifar-10-batches-py/data_batch_2 Loading data: data/CIFAR-10/cifar-10-batches-py/data_batch_3 Loading data: data/CIFAR-10/cifar-10-batches-py/data_batch_4 Loading data: data/CIFAR-10/cifar-10-batches-py/data_batch_5
载入测试集。
images_test, cls_test, labels_test = cifar10.load_test_data()复制代码
Loading data: data/CIFAR-10/cifar-10-batches-py/test_batch
现在已经载入了CIFAR-10数据集，它包含60,000张图像以及相关的标签（图像的分类）。数据集被分为两个独立的子集，即训练集和测试集。
print("Size of:")print("- Training-set:\t\t{}".format(len(images_train)))print("- Test-set:\t\t{}".format(len(images_test)))复制代码 Size of:
- Training-set: 50000
- Test-set: 10000
数据维度
下面的代码中多次用到数据维度。cirfa10模块中已经定义好了这些，因此我们只需要import进来。
from cifar10 import img_size, num_channels, num_classes复制代码
图像是32 x 32像素的，但我们将图像裁剪至24 x 24像素。
img_size_cropped = 24复制代码
用来绘制图片的帮助函数
这个函数用来在3x3的栅格中画9张图像，然后在每张图像下面写出真实类别和预测类别。
def plot_images(images, cls_true, cls_pred=None, smooth=True): assert len(images) == len(cls_true) == 9 # Create figure with sub-plots. fig, axes = plt.subplots(3, 3) # Adjust vertical spacing if we need to print ensemble and best-net. if cls_pred is None: hspace = 0.3 else: hspace = 0.6 fig.subplots_adjust(hspace=hspace, wspace=0.3) for i, ax in enumerate(axes.flat): # Interpolation type. if smooth: interpolation = 'spline16' else: interpolation = 'nearest' # Plot image. ax.imshow(images[i, :, :, :], interpolation=interpolation) # Name of the true class. cls_true_name = class_names[cls_true[i]] # Show true and predicted classes. if cls_pred is None: xlabel = "True: {0}".format(cls_true_name) else: # Name of the predicted class. cls_pred_name = class_names[cls_pred[i]] xlabel = "True: {0}\nPred: {1}".format(cls_true_name, cls_pred_name) # Show the classes as the label on the x-axis. ax.set_xlabel(xlabel) # Remove ticks from the plot. ax.set_xticks([]) ax.set_yticks([]) # Ensure the plot is shown correctly with multiple plots # in a single Notebook cell. plt.show()复制代码 绘制几张图像来看看数据是否正确
# Get the first images from the test-set.images = images_test[0:9]# Get the true classes for those images.cls_true = cls_test[0:9]# Plot the images and labels using our helper-function above.plot_images(images=images, cls_true=cls_true, smooth=False)复制代码
上面像素化的图像是神经网络的输入。如果我们对图像进行平滑处理，可能更易于人眼识别。
plot_images(images=images, cls_true=cls_true, smooth=True)复制代码
TensorFlow图
TensorFlow的全部目的就是使用一个称之为计算图（computational graph）的东西，它会比直接在Python中进行相同计算量要高效得多。TensorFlow比Numpy更高效，因为TensorFlow了解整个需要运行的计算图，然而Numpy只知道某个时间点上唯一的数学运算。
TensorFlow也能够自动地计算需要优化的变量的梯度，使得模型有更好的表现。这是由于图是简单数学表达式的结合，因此整个图的梯度可以用链式法则推导出来。
TensorFlow还能利用多核CPU和GPU，Google也为TensorFlow制造了称为TPUs（Tensor Processing Units）的特殊芯片，它比GPU更快。
一个TensorFlow图由下面几个部分组成，后面会详细描述：
- 占位符变量（Placeholder）用来改变图的输入。
- 模型变量（Model）将会被优化，使得模型表现得更好。
- 模型本质上就是一些数学函数，它根据Placeholder和模型的输入变量来计算一些输出。
- 一个cost度量用来指导变量的优化。
- 一个优化策略会更新模型的变量。
另外，TensorFlow图也包含了一些调试状态，比如用TensorBoard打印log数据，本教程不涉及这些。
占位符 （Placeholder）变量
Placeholder是作为图的输入，我们每次运行图的时候都可能改变它们。将这个过程称为feeding placeholder变量，后面将会描述这个。
首先我们为输入图像定义placeholder变量。这让我们可以改变输入到TensorFlow图中的图像。这也是一个张量（tensor），代表一个多维向量或矩阵。数据类型设置为float32，形状设为[None, img_size, img_size, num_channels]代表tensor可能保存着任意数量的图像，每张图像宽高都为img_size，有num_channels个颜色通道。
x = tf.placeholder(tf.float32, shape=[None, img_size, img_size, num_channels], name='x')复制代码
接下来我们为输入变量x中的图像所对应的真实标签定义placeholder变量。变量的形状是[None, num_classes]，这代表着它保存了任意数量的标签，每个标签是长度为num_classes的向量，本例中长度为10。
y_true = tf.placeholder(tf.float32, shape=[None, num_classes], name='y_true')复制代码
我们也可以为class-number提供一个placeholder，但这里用argmax来计算它。这里只是TensorFlow中的一些操作，没有执行什么运算。
y_true_cls = tf.argmax(y_true, dimension=1)复制代码
预处理的帮助函数
下面的帮助函数创建了用来预处理输入图像的TensorFlow计算图。这里并未执行计算，函数只是给TensorFlow计算图添加了节点。
神经网络在训练和测试阶段的预处理方法不同：
对于训练来说，输入图像是随机裁剪、水平翻转的，并且用随机值来调整色调、对比度和饱和度。这样就创建了原始输入图像的随机变体，人为地扩充了训练集。后面会显示一些扭曲过的图像样本。
对于测试，输入图像根据中心裁剪，其他不作调整。
def pre_process_image(image, training): # This function takes a single image as input, # and a boolean whether to build the training or testing graph. if training: # For training, add the following to the TensorFlow graph. # Randomly crop the input image. image = tf.random_crop(image, size=[img_size_cropped, img_size_cropped, num_channels]) # Randomly flip the image horizontally. image = tf.image.random_flip_left_right(image) # Randomly adjust hue, contrast and saturation. image = tf.image.random_hue(image, max_delta=0.05) image = tf.image.random_contrast(image, lower=0.3, upper=1.0) image = tf.image.random_brightness(image, max_delta=0.2) image = tf.image.random_saturation(image, lower=0.0, upper=2.0) # Some of these functions may overflow and result in pixel # values beyond the [0, 1] range. It is unclear from the # documentation of TensorFlow 0.10.0rc0 whether this is # intended. A simple solution is to limit the range. # Limit the image pixels between [0, 1] in case of overflow. image = tf.minimum(image, 1.0) image = tf.maximum(image, 0.0) else: # For training, add the following to the TensorFlow graph. # Crop the input image around the centre so it is the same # size as images that are randomly cropped during training. image = tf.image.resize_image_with_crop_or_pad(image, target_height=img_size_cropped, target_width=img_size_cropped) return image复制代码
下面函数中，输入batch中每张图像都调用以上函数。
def pre_process(images, training): # Use TensorFlow to loop over all the input images and call # the function above which takes a single image as input. images = tf.map_fn(lambda image: pre_process_image(image, training), images) return images复制代码
为了绘制扭曲过的图像，我们为TensorFlow创建预处理graph，后面将会运行它。
distorted_images = pre_process(images=x, training=True)复制代码
创建主要处理程序的帮助函数
下面的帮助函数创建了卷积神经网络的主要部分。这里使用之前教程描述过的Pretty Tensor。
def main_network(images, training): # Wrap the input images as a Pretty Tensor object. x_pretty = pt.wrap(images) # Pretty Tensor uses special numbers to distinguish between # the training and testing phases. if training: phase = pt.Phase.train else: phase = pt.Phase.infer # Create the convolutional neural network using Pretty Tensor. # It is very similar to the previous tutorials, except # the use of so-called batch-normalization in the first layer. with pt.defaults_scope(activation_fn=tf.nn.relu, phase=phase): y_pred, loss = x_pretty.\ conv2d(kernel=5, depth=64, name='layer_conv1', batch_normalize=True).\ max_pool(kernel=2, stride=2).\ conv2d(kernel=5, depth=64, name='layer_conv2').\ max_pool(kernel=2, stride=2).\ flatten().\ fully_connected(size=256, name='layer_fc1').\ fully_connected(size=128, name='layer_fc2').\ softmax_classifier(num_classes=num_classes, labels=y_true) return y_pred, loss复制代码
创建神经网络的帮助函数
下面的帮助函数创建了整个神经网络，包含上面定义的预处理以及主要处理模块。
注意，神经网络被编码到'network'变量作用域中。因为我们实际上在TensorFlow图中创建了两个神经网络。像这样指定一个变量作用域，可以在两个神经网络中复用变量，因此训练网络优化过的变量可以在测试网络中复用。
def create_network(training): # Wrap the neural network in the scope named 'network'. # Create new variables during training, and re-use during testing. with tf.variable_scope('network', reuse=not training): # Just rename the input placeholder variable for convenience. images = x # Create TensorFlow graph for pre-processing. images = pre_process(images=images, training=training) # Create TensorFlow graph for the main processing. y_pred, loss = main_network(images=images, training=training) return y_pred, loss复制代码 为训练阶段创建神经网络
首先创建一个保存当前优化迭代次数的TensorFlow变量。在之前的教程中，是使用一个Python变量，但本教程中，我们想用checkpoints中的其他TensorFlow变量来保存。
trainable=False表示TensorFlow不会优化此变量。
global_step = tf.Variable(initial_value=0, name='global_step', trainable=False)复制代码
创建训练用的神经网络。函数 create_network()返回y_pred和loss，但在训练时我们只需用到loss函数。
_, loss = create_network(training=True)复制代码
创建最小化loss函数的优化器。同时将global_step传给优化器，这样每次迭代它都减一。
optimizer = tf.train.AdamOptimizer(learning_rate=1e-4).minimize(loss, global_step=global_step)复制代码
创建测试阶段的神经网络
现在创建测试阶段的神经网络。 同样的，create_network() 返回输入图像的预测标签 y_pred，优化过程也用到 loss函数。测试时我们只需要y_pred。
y_pred, _ = create_network(training=False)复制代码
然后我们计算预测类别号的整形数字。网络的输出y_pred是一个10个元素的数组。类别号是数组中最大元素的索引。
y_pred_cls = tf.argmax(y_pred, dimension=1)复制代码
然后创建一个布尔向量，用来告诉我们每张图片的真实类别是否与预测类别相同。
correct_prediction = tf.equal(y_pred_cls, y_true_cls)复制代码
上面的计算先将布尔值向量类型转换成浮点型向量，这样子False就变成0，True变成1，然后计算这些值的平均数，以此来计算分类的准确率。
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))复制代码
Saver
为了保存神经网络的变量（这样不必再次训练网络就能重载），我们创建一个称为Saver-object的对象，它用来保存及恢复TensorFlow图的所有变量。在这里并未保存什么东西，（保存操作）在后面的optimize()函数中完成。
saver = tf.train.Saver()复制代码
获取权重
下面，我们要绘制神经网络的权重。当使用Pretty Tensor来创建网络时，层的所有变量都是由Pretty Tensoe间接创建的。因此我们要从TensorFlow中获取变量。
我们用layer_conv1 和 layer_conv2代表两个卷积层。这也叫变量作用域（不要与上面描述的defaults_scope混淆了）。PrettyTensor会自动给它为每个层创建的变量命名，因此我们可以通过层的作用域名称和变量名来取得某一层的权重。
函数实现有点笨拙，因为我们不得不用TensorFlow函数get_variable()，它是设计给其他用途的，创建新的变量或重用现有变量。创建下面的帮助函数很简单。
def get_weights_variable(layer_name): # Retrieve an existing variable named 'weights' in the scope # with the given layer_name. # This is awkward because the TensorFlow function was # really intended for another purpose. with tf.variable_scope("network/" + layer_name, reuse=True): variable = tf.get_variable('weights') return variable复制代码 借助这个帮助函数我们可以获取变量。这些是TensorFlow的objects。你需要类似的操作来获取变量的内容： contents = session.run(weights_conv1) ，下面会提到这个。
weights_conv1 = get_weights_variable(layer_name='layer_conv1')weights_conv2 = get_weights_variable(layer_name='layer_conv2')复制代码
获取layer的输出
同样的，我们还需要获取卷积层的输出。这个函数与上面获取权重的函数有所不同。这里我们找回卷积层输出的最后一个张量。
def get_layer_output(layer_name): # The name of the last operation of the convolutional layer. # This assumes you are using Relu as the activation-function. tensor_name = "network/" + layer_name + "/Relu:0" # Get the tensor with this name. tensor = tf.get_default_graph().get_tensor_by_name(tensor_name) return tensor复制代码
取得卷积层的输出以便之后绘制。
output_conv1 = get_layer_output(layer_name='layer_conv1')output_conv2 = get_layer_output(layer_name='layer_conv2')复制代码
运行TensorFlow
创建TensorFlow会话（session）
一旦创建了TensorFlow图，我们需要创建一个TensorFlow会话，用来运行图。
session = tf.Session()复制代码
初始化或恢复变量
训练神经网络会花上很长时间，特别是当你没有GPU的时候。因此我们在训练时保存checkpoints，这样就能在其他时间继续训练（比如晚上），以后也可以不用训练神经网络就用这些来分析结果。
如果你想重新训练神经网络，就需要先删掉这些checkpoints。
这是用来保存checkpoints的文件夹。
save_dir = 'checkpoints/'复制代码
如果文件夹不存在则创建。
if not os.path.exists(save_dir): os.makedirs(save_dir)复制代码
这是checkpoints的基本文件名，TensorFlow会在后面添加迭代次数等。
save_path = os.path.join(save_dir, 'cifar10_cnn')复制代码
试着载入最新的checkpoint。如果checkpoint不存在或改变了TensorFlow图的话，可能会失败并抛出异常。
try: print("Trying to restore last checkpoint ...") # Use TensorFlow to find the latest checkpoint - if any. last_chk_path = tf.train.latest_checkpoint(checkpoint_dir=save_dir) # Try and load the data in the checkpoint. saver.restore(session, save_path=last_chk_path) # If we get to this point, the checkpoint was successfully loaded. print("Restored checkpoint from:", last_chk_path)except: # If the above failed for some reason, simply # initialize all the variables for the TensorFlow graph. print("Failed to restore checkpoint. Initializing variables instead.") session.run(tf.global_variables_initializer())复制代码 Trying to restore last checkpoint ...Restored checkpoint from: checkpoints/cifar10_cnn-150000复制代码
创建随机训练batch的帮助函数
在训练集中有50,000张图。用这些图像计算模型的梯度会花很多时间。因此，在优化器的每次迭代里只用到了一小部分的图像。
如果内存耗尽导致电脑死机或变得很慢，你应该试着减少这些数量，但同时可能还需要更优化的迭代。
train_batch_size = 64复制代码
函数从训练集中挑选一个随机的training-batch。
def random_batch(): # Number of images in the training-set. num_images = len(images_train) # Create a random index. idx = np.random.choice(num_images, size=train_batch_size, replace=False) # Use the random index to select random images and labels. x_batch = images_train[idx, :, :, :] y_batch = labels_train[idx, :] return x_batch, y_batch复制代码
执行优化迭代的帮助函数
函数用来执行一定数量的优化迭代，以此来逐渐改善网络层的变量。在每次迭代中，会从训练集中选择新的一批数据，然后TensorFlow在这些训练样本上执行优化。每100次迭代会打印出进度。每1000次迭代后会保存一个checkpoint，最后一次迭代完毕也会保存。
def optimize(num_iterations): # Start-time used for printing time-usage below. start_time = time.time() for i in range(num_iterations): # Get a batch of training examples. # x_batch now holds a batch of images and # y_true_batch are the true labels for those images. x_batch, y_true_batch = random_batch() # Put the batch into a dict with the proper names # for placeholder variables in the TensorFlow graph. feed_dict_train = {x: x_batch, y_true: y_true_batch} # Run the optimizer using this batch of training data. # TensorFlow assigns the variables in feed_dict_train # to the placeholder variables and then runs the optimizer. # We also want to retrieve the global_step counter. i_global, _ = session.run([global_step, optimizer], feed_dict=feed_dict_train) # Print status to screen every 100 iterations (and last). if (i_global % 100 == 0) or (i == num_iterations - 1): # Calculate the accuracy on the training-batch. batch_acc = session.run(accuracy, feed_dict=feed_dict_train) # Print status. msg = "Global Step: {0:>6}, Training Batch Accuracy: {1:>6.1%}" print(msg.format(i_global, batch_acc)) # Save a checkpoint to disk every 1000 iterations (and last). if (i_global % 1000 == 0) or (i == num_iterations - 1): # Save all variables of the TensorFlow graph to a # checkpoint. Append the global_step counter # to the filename so we save the last several checkpoints. saver.save(session, save_path=save_path, global_step=global_step) print("Saved checkpoint.") # Ending time. end_time = time.time() # Difference between start and end-times. time_dif = end_time - start_time # Print the time-usage. print("Time usage: " + str(timedelta(seconds=int(round(time_dif)))))复制代码 用来绘制错误样本的帮助函数
函数用来绘制测试集中被误分类的样本。
def plot_example_errors(cls_pred, correct): # This function is called from print_test_accuracy() below. # cls_pred is an array of the predicted class-number for # all images in the test-set. # correct is a boolean array whether the predicted class # is equal to the true class for each image in the test-set. # Negate the boolean array. incorrect = (correct == False) # Get the images from the test-set that have been # incorrectly classified. images = images_test[incorrect] # Get the predicted classes for those images. cls_pred = cls_pred[incorrect] # Get the true classes for those images. cls_true = cls_test[incorrect] # Plot the first 9 images. plot_images(images=images[0:9], cls_true=cls_true[0:9], cls_pred=cls_pred[0:9])复制代码
绘制混淆（confusion）矩阵的帮助函数
def plot_confusion_matrix(cls_pred): # This is called from print_test_accuracy() below. # cls_pred is an array of the predicted class-number for # all images in the test-set. # Get the confusion matrix using sklearn. cm = confusion_matrix(y_true=cls_test, # True class for test-set. y_pred=cls_pred) # Predicted class. # Print the confusion matrix as text. for i in range(num_classes): # Append the class-name to each line. class_name = "({}) {}".format(i, class_names[i]) print(cm[i, :], class_name) # Print the class-numbers for easy reference. class_numbers = [" ({0})".format(i) for i in range(num_classes)] print("".join(class_numbers))复制代码 计算分类的帮助函数
这个函数用来计算图像的预测类别，同时返回一个代表每张图像分类是否正确的布尔数组。
由于计算可能会耗费太多内存，就分批处理。如果你的电脑死机了，试着降低batch-size。
# Split the data-set in batches of this size to limit RAM usage.batch_size = 256def predict_cls(images, labels, cls_true): # Number of images. num_images = len(images) # Allocate an array for the predicted classes which # will be calculated in batches and filled into this array. cls_pred = np.zeros(shape=num_images, dtype=np.int) # Now calculate the predicted classes for the batches. # We will just iterate through all the batches. # There might be a more clever and Pythonic way of doing this. # The starting index for the next batch is denoted i. i = 0 while i < num_images: # The ending index for the next batch is denoted j. j = min(i + batch_size, num_images) # Create a feed-dict with the images and labels # between index i and j. feed_dict = {x: images[i:j, :], y_true: labels[i:j, :]} # Calculate the predicted class using TensorFlow. cls_pred[i:j] = session.run(y_pred_cls, feed_dict=feed_dict) # Set the start-index for the next batch to the # end-index of the current batch. i = j # Create a boolean array whether each image is correctly classified. correct = (cls_true == cls_pred) return correct, cls_pred复制代码 计算测试集的预测类别。
def predict_cls_test(): return predict_cls(images = images_test, labels = labels_test, cls_true = cls_test)复制代码
计算分类准确率的帮助函数
这个函数计算了给定布尔数组的分类准确率，布尔数组表示每张图像是否被正确分类。比如， cls_accuracy([True, True, False, False, False]) = 2/5 = 0.4。这个函数也返回了正确分类的数量。
def classification_accuracy(correct): # When averaging a boolean array, False means 0 and True means 1. # So we are calculating: number of True / len(correct) which is # the same as the classification accuracy. # Return the classification accuracy # and the number of correct classifications. return correct.mean(), correct.sum()复制代码
展示性能的帮助函数
函数用来打印测试集上的分类准确率。
为测试集上的所有图片计算分类会花费一段时间，因此我们直接从这个函数里调用上面的函数，这样就不用每个函数都重新计算分类。
def print_test_accuracy(show_example_errors=False, show_confusion_matrix=False): # For all the images in the test-set, # calculate the predicted classes and whether they are correct. correct, cls_pred = predict_cls_test() # Classification accuracy and the number of correct classifications. acc, num_correct = classification_accuracy(correct) # Number of images being classified. num_images = len(correct) # Print the accuracy. msg = "Accuracy on Test-Set: {0:.1%} ({1} / {2})" print(msg.format(acc, num_correct, num_images)) # Plot some examples of mis-classifications, if desired. if show_example_errors: print("Example errors:") plot_example_errors(cls_pred=cls_pred, correct=correct) # Plot the confusion matrix, if desired. if show_confusion_matrix: print("Confusion Matrix:") plot_confusion_matrix(cls_pred=cls_pred)复制代码 绘制卷积权重的帮助函数
def plot_conv_weights(weights, input_channel=0): # Assume weights are TensorFlow ops for 4-dim variables # e.g. weights_conv1 or weights_conv2. # Retrieve the values of the weight-variables from TensorFlow. # A feed-dict is not necessary because nothing is calculated. w = session.run(weights) # Print statistics for the weights. print("Min: {0:.5f}, Max: {1:.5f}".format(w.min(), w.max())) print("Mean: {0:.5f}, Stdev: {1:.5f}".format(w.mean(), w.std())) # Get the lowest and highest values for the weights. # This is used to correct the colour intensity across # the images so they can be compared with each other. w_min = np.min(w) w_max = np.max(w) abs_max = max(abs(w_min), abs(w_max)) # Number of filters used in the conv. layer. num_filters = w.shape[3] # Number of grids to plot. # Rounded-up, square-root of the number of filters. num_grids = math.ceil(math.sqrt(num_filters)) # Create figure with a grid of sub-plots. fig, axes = plt.subplots(num_grids, num_grids) # Plot all the filter-weights. for i, ax in enumerate(axes.flat): # Only plot the valid filter-weights. if i 绘制卷积层输出的帮助函数
def plot_layer_output(layer_output, image): # Assume layer_output is a 4-dim tensor # e.g. output_conv1 or output_conv2. # Create a feed-dict which holds the single input image. # Note that TensorFlow needs a list of images, # so we just create a list with this one image. feed_dict = {x: [image]} # Retrieve the output of the layer after inputting this image. values = session.run(layer_output, feed_dict=feed_dict) # Get the lowest and highest values. # This is used to correct the colour intensity across # the images so they can be compared with each other. values_min = np.min(values) values_max = np.max(values) # Number of image channels output by the conv. layer. num_images = values.shape[3] # Number of grid-cells to plot. # Rounded-up, square-root of the number of filters. num_grids = math.ceil(math.sqrt(num_images)) # Create figure with a grid of sub-plots. fig, axes = plt.subplots(num_grids, num_grids) # Plot all the filter-weights. for i, ax in enumerate(axes.flat): # Only plot the valid image-channels. if i 输入图像变体的样本
为了人为地增加训练用的图像数量，神经网络预处理获取输入图像的随机变体。这让神经网络在识别和分类图像时更加灵活。
这是用来绘制输入图像变体的帮助函数。
def plot_distorted_image(image, cls_true): # Repeat the input image 9 times. image_duplicates = np.repeat(image[np.newaxis, :, :, :], 9, axis=0) # Create a feed-dict for TensorFlow. feed_dict = {x: image_duplicates} # Calculate only the pre-processing of the TensorFlow graph # which distorts the images in the feed-dict. result = session.run(distorted_images, feed_dict=feed_dict) # Plot the images. plot_images(images=result, cls_true=np.repeat(cls_true, 9))复制代码 帮助函数获取测试集图像以及它的分类号。
def get_test_image(i): return images_test[i, :, :, :], cls_test[i]复制代码
从测试集中取一张图像以及它的真实类别。
img, cls = get_test_image(16)复制代码
画出图像的9张随机变体。如果你重新运行代码，可能会得到不太一样的结果。
plot_distorted_image(img, cls)复制代码
执行优化
我的笔记本电脑是4核的，每个2GHz。电脑带有一个GPU，但对TensorFlow来说不太快，因此只用了CPU。在电脑上迭代10,000次大概花了1个小时。本教程中我执行了150,000次优化迭代，共花了15个小时。我让它在夜里以及白天的几个时间段运行。
由于我们在优化过程中保存了checkpoints，重新运行代码时会载入最后的那个checkpoint，所以可以先停止，等晚点再继续执行优化。
if False: optimize(num_iterations=1000)复制代码
结果
在150,000次优化迭代之后，测试集上的分类准确率大约79%-80%。下面画出了一些误分类的图像。其中有一些即使人眼也很难分辨出来，也有一些是合乎情理的错误，比如大型车和卡车，猫与狗，但有些错误就有点奇怪了。
print_test_accuracy(show_example_errors=True, show_confusion_matrix=True)复制代码
Accuracy on Test-Set: 79.3% (7932 / 10000)
Example errors:
Confusion Matrix:
[775 20 71 8 14 4 18 10 44 36] (0) airplane [ 7 914 5 0 3 7 9 3 14 38] (1) automobile [ 32 2 724 28 42 44 94 17 9 8] (2) bird [ 18 7 48 508 56 209 99 29 7 19] (3) cat [ 4 2 45 25 769 29 75 43 3 5] (4) deer [ 8 6 34 89 35 748 38 32 1 9] (5) dog [ 4 2 18 9 14 14 930 4 2 3] (6) frog [ 6 2 23 18 31 55 17 833 0 15] (7) horse [ 31 29 15 11 8 7 15 0 856 28] (8) ship [ 13 67 4 5 0 4 7 7 18 875] (9) truck (0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
卷积权重
下面展示了一些第一个卷积层的权重（或滤波）。共有3个输入通道，因此有三组（数据），你可以改变input_channel来改变绘制结果。
权重正值是红的，负值是蓝的。
plot_conv_weights(weights=weights_conv1, input_channel=0)复制代码
Min: -0.61643, Max: 0.63949Mean: -0.00177, Stdev: 0.16469复制代码
下面展示了一些第二个卷积层的权重（或滤波）。它们比第一个卷积层的权重更接近零，你可以看到比较低的标准差。
plot_conv_weights(weights=weights_conv2, input_channel=1)复制代码
Min: -0.73326, Max: 0.25344Mean: -0.00394, Stdev: 0.05466复制代码
卷积层的输出
绘制图像的帮助函数。
def plot_image(image): # Create figure with sub-plots. fig, axes = plt.subplots(1, 2) # References to the sub-plots. ax0 = axes.flat[0] ax1 = axes.flat[1] # Show raw and smoothened images in sub-plots. ax0.imshow(image, interpolation='nearest') ax1.imshow(image, interpolation='spline16') # Set labels. ax0.set_xlabel('Raw') ax1.set_xlabel('Smooth') # Ensure the plot is shown correctly with multiple plots # in a single Notebook cell. plt.show()复制代码 绘制一张测试集中的图像。未处理的像素图像作为神经网络的输入。
img, cls = get_test_image(16)plot_image(img)复制代码
将原始图像作为神经网络的输入，然后画出第一个卷积层的输出。
plot_layer_output(output_conv1, image=img)复制代码
将同样的图像作为输入，画出第二个卷积层的输出。
plot_layer_output(output_conv2, image=img)复制代码
预测的类别标签
获取图像的预测类别标签和类别号。
label_pred, cls_pred = session.run([y_pred, y_pred_cls], feed_dict={x: [img]})复制代码 打印预测类别标签。
# Set the rounding options for numpy.np.set_printoptions(precision=3, suppress=True)# Print the predicted label.print(label_pred[0])复制代码
[ 0. 0. 0. 0.493 0. 0.49 0.006 0.01 0. 0. ]
预测类别标签是长度为10的数组，每个元素代表着神经网络有多大信心认为图像是该类别。
在这个例子中，索引3的值是0.493，5的值为0.490。这表示神经网络相信图像要么是类别3，要么是类别5，即猫或狗。
class_names[3]复制代码
'cat'
class_names[5]复制代码
'dog'
关闭TensorFlow会话
现在我们已经用TensorFlow完成了任务，关闭session，释放资源。
# This has been commented out in case you want to modify and experiment# with the Notebook without having to restart it.# session.close()复制代码
结论
这篇教程介绍了如何创建一个在CIRAR-10数据集上进行图像分类的卷积神经网络。测试集上的分类准确率大概79-80%。
同时也画出了卷积层的输出，但很难看出神经网络如何分辨并分类图像。需要更好的可视化技巧。
练习
下面使一些可能会让你提升TensorFlow技能的一些建议练习。为了学习如何更合适地使用TensorFlow，实践经验是很重要的。
在你对这个Notebook进行改变之前，可能需要先备份一下。
- 执行10,000次迭代，看看分类准确率如何。将会保存一个checkpoint来储存TensorFlow图的所有变量。
- 再执行100,000次迭代，看看分类准确率有没有提升。然后再执行100,000次。准确率有提升吗，你认为值得这些增加的计算时间吗？
- 试着再预处理阶段改变图像的变体。
- 试着改变神经网络的结构。你可以让神经网络更大或更小。这对训练时间或分类准确率有什么影响？要注意的是，当你改变了神经网络结构时，就无法重新载入checkpoints了。
- 试着在第二个卷积层使用batch-normalization。也试试在俩个层中都删掉它。
- 研究一些CIFAR-10上的 ，试着实现它们。
- 向朋友解释程序如何工作。