经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » NumPy » 查看文章
纯numpy卷积神经网络实现手写数字识别的实践
来源:jb51  时间:2022/8/3 13:17:45  对本文有异议

前面讲解了使用纯numpy实现数值微分和误差反向传播法的手写数字识别,这两种网络都是使用全连接层的结构。全连接层存在什么问题呢?那就是数据的形状被“忽视”了。比如,输入数据是图像时,图像通常是高、长、通道方向上的3维形状。但是,向全连接层输入时,需要将3维数据拉平为1维数据。实际上,前面提到的使用了MNIST数据集的例子中,输入图像就是1通道、高28像素、长28像素的(1, 28, 28)形状,但却被排成1列,以784个数据的形式输入到最开始的Affine层。

图像是3维形状,这个形状中应该含有重要的空间信息。比如空间上邻近的像素为相似的值、RBG的各个通道之间分别有密切的关联性、相距较远的像素之间没有什么关联等,3维形状中可能隐藏有值得提取的本质模式。但是,因为全连接层会忽视形状,将全部的输入数据作为相同的神经元(同一维度的神经元)处理,所以无法利用与形状相关的信息。而卷积层可以保持形状不变。当输入数据是图像时,卷积层会以3维数据的形式接收输入数据,并同样以3维数据的形式输出至下一层。因此,在CNN中,可以(有可能)正确理解图像等具有形状的数据。

在全连接神经网络中,除了权重参数,还存在偏置。CNN中,滤波器的参数就对应之前的权重,并且,CNN中也存在偏置。

在这里插入图片描述

三维数据的卷积运算,通道方向上有多个特征图时,会按通道进行输入数据和滤波器的卷积运算,然后将结果相加,从而得到输出。

在这里插入图片描述

在上面的图中,输出的是一张特征图,换句话说,就是通道数为1的特征图。那么,如果要在通道方向上也拥有多个卷积运算的输出,就应该使用多个滤波器(权重)。

在这里插入图片描述

卷积运算的处理流如下:

在这里插入图片描述

卷积运算的处理流,批处理如下:

在这里插入图片描述

而池化层是缩小高、长空间上的运算。

在这里插入图片描述

上图是Max池化,取出2x2区域中的最大值元素。除了Max池化外,还有Average池化,在图像识别领域,主要使用Max池化。
网络的构成是“Convolution - ReLU - Pooling -Affine - ReLU - Affine - Softmax”,训练代码如下:

  1. import numpy as np
  2. from collections import OrderedDict
  3. import matplotlib.pylab as plt
  4. from dataset.mnist import load_mnist
  5. import pickle
  6.  
  7. def im2col(input_data, filter_h, filter_w, stride=1, pad=0):
  8. """
  9.  
  10. Parameters
  11. ----------
  12. input_data : 由(数据量, 通道, 高, 长)的4维数组构成的输入数据
  13. filter_h : 滤波器的高
  14. filter_w : 滤波器的长
  15. stride : 步幅
  16. pad : 填充
  17.  
  18. Returns
  19. -------
  20. col : 2维数组
  21. """
  22. N, C, H, W = input_data.shape
  23. out_h = (H + 2*pad - filter_h)//stride + 1
  24. out_w = (W + 2*pad - filter_w)//stride + 1
  25.  
  26. img = np.pad(input_data, [(0,0), (0,0), (pad, pad), (pad, pad)], 'constant')
  27. col = np.zeros((N, C, filter_h, filter_w, out_h, out_w))
  28.  
  29. for y in range(filter_h):
  30. y_max = y + stride*out_h
  31. for x in range(filter_w):
  32. x_max = x + stride*out_w
  33. col[:, :, y, x, :, :] = img[:, :, y:y_max:stride, x:x_max:stride]
  34.  
  35. col = col.transpose(0, 4, 5, 1, 2, 3).reshape(N*out_h*out_w, -1)
  36. return col
  37.  
  38.  
  39. def col2im(col, input_shape, filter_h, filter_w, stride=1, pad=0):
  40. """
  41.  
  42. Parameters
  43. ----------
  44. col :
  45. input_shape : 输入数据的形状(例:(10, 1, 28, 28))
  46. filter_h :
  47. filter_w
  48. stride
  49. pad
  50.  
  51. Returns
  52. -------
  53.  
  54. """
  55. N, C, H, W = input_shape
  56. out_h = (H + 2*pad - filter_h)//stride + 1
  57. out_w = (W + 2*pad - filter_w)//stride + 1
  58. col = col.reshape(N, out_h, out_w, C, filter_h, filter_w).transpose(0, 3, 4, 5, 1, 2)
  59.  
  60. img = np.zeros((N, C, H + 2*pad + stride - 1, W + 2*pad + stride - 1))
  61. for y in range(filter_h):
  62. y_max = y + stride*out_h
  63. for x in range(filter_w):
  64. x_max = x + stride*out_w
  65. img[:, :, y:y_max:stride, x:x_max:stride] += col[:, :, y, x, :, :]
  66.  
  67. return img[:, :, pad:H + pad, pad:W + pad]
  68.  
  69. class Relu:
  70. def __init__(self):
  71. self.mask = None
  72.  
  73. def forward(self, x):
  74. self.mask = (x <= 0)
  75. out = x.copy()
  76. out[self.mask] = 0
  77.  
  78. return out
  79.  
  80. def backward(self, dout):
  81. dout[self.mask] = 0
  82. dx = dout
  83.  
  84. return dx
  85.  
  86. def softmax(x):
  87. if x.ndim == 2:
  88. x = x.T
  89. x = x - np.max(x, axis=0)
  90. y = np.exp(x) / np.sum(np.exp(x), axis=0)
  91. return y.T
  92.  
  93. x = x - np.max(x) # 溢出对策
  94. return np.exp(x) / np.sum(np.exp(x))
  95.  
  96. def cross_entropy_error(y, t):
  97. if y.ndim == 1:
  98. t = t.reshape(1, t.size)
  99. y = y.reshape(1, y.size)
  100. # 监督数据是one-hot-vector的情况下,转换为正确解标签的索引
  101. if t.size == y.size:
  102. t = t.argmax(axis=1)
  103. batch_size = y.shape[0]
  104. return -np.sum(np.log(y[np.arange(batch_size), t] + 1e-7)) / batch_size
  105.  
  106. class SoftmaxWithLoss:
  107. def __init__(self):
  108. self.loss = None
  109. self.y = None # softmax的输出
  110. self.t = None # 监督数据
  111.  
  112. def forward(self, x, t):
  113. self.t = t
  114. self.y = softmax(x)
  115. self.loss = cross_entropy_error(self.y, self.t)
  116. return self.loss
  117.  
  118. def backward(self, dout=1):
  119. batch_size = self.t.shape[0]
  120. if self.t.size == self.y.size: # 监督数据是one-hot-vector的情况
  121. dx = (self.y - self.t) / batch_size
  122. else:
  123. dx = self.y.copy()
  124. dx[np.arange(batch_size), self.t] -= 1
  125. dx = dx / batch_size
  126. return dx
  127.  
  128. #Affine层的实现
  129. class Affine:
  130. def __init__(self,W,b):
  131. self.W=W
  132. self.b=b
  133. self.x=None
  134. self.dW=None
  135. self.db=None
  136. self.original_x_shape = None
  137. def forward(self,x):
  138. #对于卷积层 需要把数据先展平
  139. self.original_x_shape = x.shape
  140. x=x.reshape(x.shape[0],-1)
  141. self.x=x
  142. out=np.dot(x,self.W)+self.b
  143. return out
  144. def backward(self,dout):
  145. dx=np.dot(dout,self.W.T)
  146. self.dW=np.dot(self.x.T,dout)
  147. self.db=np.sum(dout,axis=0)
  148.  
  149. # 还原输入数据的形状(对应张量)
  150. dx = dx.reshape(*self.original_x_shape)
  151. return dx
  152.  
  153. #卷积层的实现
  154. class Convolution:
  155. def __init__(self,W,b,stride=1,pad=0):
  156. self.W=W
  157. self.b=b
  158. self.stride=stride
  159. self.pad=pad
  160.  
  161. # 中间数据(backward时使用)
  162. self.x = None
  163. self.col = None
  164. self.col_W = None
  165. # 权重和偏置参数的梯度
  166. self.dW = None
  167. self.db = None
  168.  
  169. def forward(self,x):
  170. #滤波器的数目、通道数、高、宽
  171. FN,C,FH,FW=self.W.shape
  172. #输入数据的数目、通道数、高、宽
  173. N,C,H,W=x.shape
  174.  
  175. #输出特征图的高、宽
  176. out_h=int(1+(H+2*self.pad-FH)/self.stride)
  177. out_w=int(1+(W+2*self.pad-FW)/self.stride)
  178.  
  179. #输入数据使用im2col展开
  180. col=im2col(x,FH,FW,self.stride,self.pad)
  181. #滤波器的展开
  182. col_W=self.W.reshape(FN,-1).T
  183. #计算
  184. out=np.dot(col,col_W)+self.b
  185. #变换输出数据的形状
  186. #(N,h,w,C)->(N,c,h,w)
  187. out=out.reshape(N,out_h,out_w,-1).transpose(0,3,1,2)
  188.  
  189. self.x = x
  190. self.col = col
  191. self.col_W = col_W
  192.  
  193. return out
  194. def backward(self, dout):
  195. FN, C, FH, FW = self.W.shape
  196. dout = dout.transpose(0,2,3,1).reshape(-1, FN)
  197.  
  198. self.db = np.sum(dout, axis=0)
  199. self.dW = np.dot(self.col.T, dout)
  200. self.dW = self.dW.transpose(1, 0).reshape(FN, C, FH, FW)
  201.  
  202. dcol = np.dot(dout, self.col_W.T)
  203. dx = col2im(dcol, self.x.shape, FH, FW, self.stride, self.pad)
  204.  
  205. return dx
  206.  
  207. #池化层的实现
  208. class Pooling:
  209. def __init__(self,pool_h,pool_w,stride=1,pad=0):
  210. self.pool_h=pool_h
  211. self.pool_w=pool_w
  212. self.stride=stride
  213. self.pad=pad
  214.  
  215. self.x = None
  216. self.arg_max = None
  217. def forward(self,x):
  218. #输入数据的数目、通道数、高、宽
  219. N,C,H,W=x.shape
  220. #输出数据的高、宽
  221. out_h=int(1+(H-self.pool_h)/self.stride)
  222. out_w=int(1+(W-self.pool_w)/self.stride)
  223.  
  224. #展开
  225. col=im2col(x,self.pool_h,self.pool_w,self.stride,self.pad)
  226. col=col.reshape(-1,self.pool_h*self.pool_w)
  227.  
  228. #最大值
  229. arg_max = np.argmax(col, axis=1)
  230. out=np.max(col,axis=1)
  231.  
  232. #转换
  233. out=out.reshape(N,out_h,out_w,C).transpose(0,3,1,2)
  234.  
  235. self.x = x
  236. self.arg_max = arg_max
  237.  
  238. return out
  239. def backward(self, dout):
  240. dout = dout.transpose(0, 2, 3, 1)
  241. pool_size = self.pool_h * self.pool_w
  242. dmax = np.zeros((dout.size, pool_size))
  243. dmax[np.arange(self.arg_max.size), self.arg_max.flatten()] = dout.flatten()
  244. dmax = dmax.reshape(dout.shape + (pool_size,))
  245. dcol = dmax.reshape(dmax.shape[0] * dmax.shape[1] * dmax.shape[2], -1)
  246. dx = col2im(dcol, self.x.shape, self.pool_h, self.pool_w, self.stride, self.pad)
  247. return dx
  248.  
  249. #SimpleNet
  250. class SimpleConvNet:
  251. def __init__(self,input_dim=(1,28,28),
  252. conv_param={'filter_num':30,'filter_size':5,'pad':0,'stride':1},
  253. hidden_size=100,
  254. output_size=10,
  255. weight_init_std=0.01):
  256. filter_num=conv_param['filter_num']#30
  257. filter_size=conv_param['filter_size']#5
  258. filter_pad=conv_param['pad']#0
  259. filter_stride=conv_param['stride']#1
  260.  
  261. input_size=input_dim[1]#28
  262. conv_output_size=int((1+input_size+2*filter_pad-filter_size)/filter_stride)#24
  263. #pool 默认的是2x2最大值池化 池化层的大小变为卷积层的一半30*12*12=4320
  264. pool_output_size=int(filter_num*(conv_output_size/2)*(conv_output_size/2))
  265.  
  266. #权重参数的初始化部分 滤波器和偏置
  267. self.params={}
  268. #(30,1,5,5)
  269. self.params['W1']=np.random.randn(filter_num,input_dim[0],filter_size,filter_size)*weight_init_std
  270. #(30,)
  271. self.params['b1']=np.zeros(filter_num)
  272.  
  273. #(4320,100)
  274. self.params['W2']=np.random.randn(pool_output_size,hidden_size)*weight_init_std
  275. #(100,)
  276. self.params['b2']=np.zeros(hidden_size)
  277. #(100,10)
  278. self.params['W3']=np.random.randn(hidden_size,output_size)*weight_init_std
  279. #(10,)
  280. self.params['b3']=np.zeros(output_size)
  281.  
  282. #生成必要的层
  283. self.layers=OrderedDict()
  284. #(N,1,28,28)->(N,30,24,24)
  285. self.layers['Conv1']=Convolution(self.params['W1'],self.params['b1'],conv_param['stride'],conv_param['pad'])
  286. #(N,30,24,24)
  287. self.layers['Relu1']=Relu()
  288. #池化层的步幅大小和池化应用区域大小相等
  289. #(N,30,12,12)
  290. self.layers['Pool1']=Pooling(pool_h=2,pool_w=2,stride=2)
  291. #全连接层
  292. #全连接层内部有个判断 首先是把数据展平
  293. #(N,30,12,12)->(N,4320)->(N,100)
  294. self.layers['Affine1']=Affine(self.params['W2'],self.params['b2'])
  295. #(N,100)
  296. self.layers['Relu2']=Relu()
  297. #(N,100)->(N,10)
  298. self.layers['Affine2']=Affine(self.params['W3'],self.params['b3'])
  299. self.last_layer=SoftmaxWithLoss()
  300. def predict(self,x):
  301. for layer in self.layers.values():
  302. x=layer.forward(x)
  303. return x
  304. def loss(self,x,t):
  305. y=self.predict(x)
  306. return self.last_layer.forward(y,t)
  307. def gradient(self,x,t):
  308. #forward
  309. self.loss(x,t)
  310.  
  311. #backward
  312. dout=1
  313. dout=self.last_layer.backward(dout)
  314. layers=list(self.layers.values())
  315. layers.reverse()
  316. for layer in layers:
  317. dout=layer.backward(dout)
  318. #梯度
  319. grads={}
  320. grads['W1']=self.layers['Conv1'].dW
  321. grads['b1']=self.layers['Conv1'].db
  322. grads['W2']=self.layers['Affine1'].dW
  323. grads['b2']=self.layers['Affine1'].db
  324. grads['W3']=self.layers['Affine2'].dW
  325. grads['b3']=self.layers['Affine2'].db
  326.  
  327. return grads
  328. #计算准确率
  329. def accuracy(self,x,t):
  330. y=self.predict(x)
  331. y=np.argmax(y,axis=1)
  332. if t.ndim !=1:
  333. t=np.argmax(t,axis=1)
  334. accuracy=np.sum(y==t)/float(x.shape[0])
  335. return accuracy
  336. #保存模型参数
  337. def save_params(self, file_name="params.pkl"):
  338. params = {}
  339. for key, val in self.params.items():
  340. params[key] = val
  341. with open(file_name, 'wb') as f:
  342. pickle.dump(params, f)
  343. #载入模型参数
  344. def load_params(self, file_name="params.pkl"):
  345. with open(file_name, 'rb') as f:
  346. params = pickle.load(f)
  347. for key, val in params.items():
  348. self.params[key] = val
  349.  
  350. for i, key in enumerate(['Conv1', 'Affine1', 'Affine2']):
  351. self.layers[key].W = self.params['W' + str(i+1)]
  352. self.layers[key].b = self.params['b' + str(i+1)]
  353.  
  354.  
  355. if __name__=='__main__':
  356. (x_train,t_train),(x_test,t_test)=load_mnist(flatten=False)
  357. # 处理花费时间较长的情况下减少数据
  358. x_train, t_train = x_train[:5000], t_train[:5000]
  359. x_test, t_test = x_test[:1000], t_test[:1000]
  360. net=SimpleConvNet(input_dim=(1,28,28),
  361. conv_param = {'filter_num': 30, 'filter_size': 5, 'pad': 0, 'stride': 1},
  362. hidden_size=100, output_size=10, weight_init_std=0.01)
  363.  
  364. train_loss_list=[]
  365.  
  366. #超参数
  367. iter_nums=1000
  368. train_size=x_train.shape[0]
  369. batch_size=100
  370. learning_rate=0.1
  371.  
  372. #记录准确率
  373. train_acc_list=[]
  374. test_acc_list=[]
  375. #平均每个epoch的重复次数
  376. iter_per_epoch=max(train_size/batch_size,1)
  377.  
  378. for i in range(iter_nums):
  379. #小批量数据
  380. batch_mask=np.random.choice(train_size,batch_size)
  381. x_batch=x_train[batch_mask]
  382. t_batch=t_train[batch_mask]
  383.  
  384. #计算梯度
  385. #误差反向传播法 计算很快
  386. grad=net.gradient(x_batch,t_batch)
  387.  
  388. #更新参数 权重W和偏重b
  389. for key in ['W1','b1','W2','b2']:
  390. net.params[key]-=learning_rate*grad[key]
  391. #记录学习过程
  392. loss=net.loss(x_batch,t_batch)
  393. print('训练次数:'+str(i)+' loss:'+str(loss))
  394. train_loss_list.append(loss)
  395.  
  396. #计算每个epoch的识别精度
  397. if i%iter_per_epoch==0:
  398. #测试在所有训练数据和测试数据上的准确率
  399. train_acc=net.accuracy(x_train,t_train)
  400. test_acc=net.accuracy(x_test,t_test)
  401. train_acc_list.append(train_acc)
  402. test_acc_list.append(test_acc)
  403. print('train acc:'+str(train_acc)+' test acc:'+str(test_acc))
  404. # 保存参数
  405. net.save_params("params.pkl")
  406. print("模型参数保存成功!")
  407. print(train_acc_list)
  408. print(test_acc_list)
  409.  
  410. # 绘制图形
  411. markers = {'train': 'o', 'test': 's'}
  412. x = np.arange(len(train_acc_list))
  413. plt.plot(x, train_acc_list, label='train acc')
  414. plt.plot(x, test_acc_list, label='test acc', linestyle='--')
  415. plt.xlabel("epochs")
  416. plt.ylabel("accuracy")
  417. plt.ylim(0, 1.0)
  418. plt.legend(loc='lower right')
  419. plt.show()

训练过程如下:

在这里插入图片描述

训练的结果如图所示:

在这里插入图片描述

到此这篇关于纯numpy实现卷积神经网络实现手写数字识别的实践的文章就介绍到这了,更多相关numpy手写数字识别内容请搜索w3xue以前的文章或继续浏览下面的相关文章希望大家以后多多支持w3xue!

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号