目錄

1.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

1.2 神經(jīng)網(wǎng)絡(luò)

1.2.1?神經(jīng)元模型

?1.2.2 神經(jīng)網(wǎng)絡(luò)模型

1.3 卷積神經(jīng)網(wǎng)絡(luò)

1.3.1卷積的概念

1.3.2 卷積的計(jì)算過程

1.3.3?感受野

1.3.4?步長(zhǎng)

1.3.5?輸出特征尺寸計(jì)算

?1.3.6?全零填充

1.3.7 標(biāo)準(zhǔn)化

1.3.7?池化層

?1.4 卷積神經(jīng)網(wǎng)絡(luò)的全過程

?1.5?PyTorch的卷積神經(jīng)網(wǎng)絡(luò)（cnn）手寫數(shù)字識(shí)別

1.5.1 代碼

---

1.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡(jiǎn)稱：CNN）是深度學(xué)習(xí)當(dāng)中一個(gè)非常重要的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它主要用于用在圖像圖片處理，視頻處理，音頻處理以及自然語言處理等等。
早在上世紀(jì)80年代左右，卷積神經(jīng)網(wǎng)絡(luò)的概念就已經(jīng)被提出來了。但其真正的崛起卻是在21世紀(jì)之后，21世紀(jì)之后，隨著深度學(xué)習(xí)理論的不斷完善，同時(shí)，由計(jì)算機(jī)硬件性能的提升，計(jì)算機(jī)算力的不斷發(fā)展，給卷積神經(jīng)網(wǎng)絡(luò)這種算法提供了應(yīng)用的空間。著名的AlphaGo，手機(jī)上的人臉識(shí)別，大多數(shù)都是采用卷積神經(jīng)網(wǎng)絡(luò)。因此可以說，卷積神經(jīng)網(wǎng)絡(luò)在如今的深度學(xué)習(xí)領(lǐng)域，有著舉足輕重的作用。

在了解卷積神經(jīng)網(wǎng)絡(luò)之前，我們務(wù)必要知道：什么是神經(jīng)網(wǎng)絡(luò)（Neural Networks），關(guān)于這個(gè)，我們已經(jīng)在深度學(xué)習(xí)簡(jiǎn)介的 第二部分有所介紹。這里就不贅述了。在了解了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，我們?cè)賮硖骄?#xff1a;卷積神經(jīng)網(wǎng)絡(luò)又是什么呢？當(dāng)中的“卷積”這個(gè)詞，又意味著什么呢？
?

1.2 神經(jīng)網(wǎng)絡(luò)

1.2.1?神經(jīng)元模型

人工神神經(jīng)網(wǎng)絡(luò)(neural networks)方面的研究很早就已出現(xiàn)，今天“神經(jīng)網(wǎng)絡(luò)”?? ?已是一個(gè)相當(dāng)大的、多學(xué)科交叉的學(xué)科領(lǐng)域.各相關(guān)學(xué)科對(duì)神經(jīng)網(wǎng)絡(luò)的定義多種多樣。簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò),它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng)” 。
神經(jīng)網(wǎng)絡(luò)中最基本的成分是神經(jīng)元(neuron)模型,即上述定義中的“簡(jiǎn)單單元”，在生物神經(jīng)網(wǎng)絡(luò)中,每個(gè)神經(jīng)元與其他神經(jīng)元相連,當(dāng)它“興奮”時(shí),就會(huì)向相連的神經(jīng)元發(fā)送化學(xué)物質(zhì),從而改變這些神經(jīng)元內(nèi)的電位;如果某神經(jīng)元的電位超過了一個(gè)“閾值”(threshold),那么它就會(huì)被激活,即“興奮”起來,向其他神經(jīng)元發(fā)送化學(xué)物質(zhì)。在這個(gè)模型中，神經(jīng)元接收到來自n個(gè)其他神經(jīng)元傳遞過來的輸入信號(hào),這些輸入信號(hào)通過帶權(quán)重的連接(connection)進(jìn)行傳遞,神經(jīng)元接收到的總輸入值將與神經(jīng)元的間值進(jìn)行比較，然后通過激活函數(shù)處理，產(chǎn)生神經(jīng)元輸出。

?

?1.2.2 神經(jīng)網(wǎng)絡(luò)模型

?神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元）之間相互聯(lián)接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱為激勵(lì)函數(shù)（activation function）。每?jī)蓚€(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過該連接信號(hào)的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。
?

1.3 卷積神經(jīng)網(wǎng)絡(luò)

1.3.1卷積的概念

卷積神經(jīng)網(wǎng)絡(luò)與普通神經(jīng)網(wǎng)絡(luò)的區(qū)別在于，卷積神經(jīng)網(wǎng)絡(luò)包含了一個(gè)由卷積層和子采樣層（池化層）構(gòu)成的特征抽取器。在卷積神經(jīng)網(wǎng)絡(luò)的卷積層中，一個(gè)神經(jīng)元只與部分鄰層神經(jīng)元連接。在CNN的一個(gè)卷積層中，通常包含若干個(gè)特征圖(featureMap)，每個(gè)特征圖由一些矩形排列的的神經(jīng)元組成，同一特征圖的神經(jīng)元共享權(quán)值，這里共享的權(quán)值就是卷積核。卷積核一般以隨機(jī)小數(shù)矩陣的形式初始化，在網(wǎng)絡(luò)的訓(xùn)練過程中卷積核將學(xué)習(xí)得到合理的權(quán)值。共享權(quán)值（卷積核）帶來的直接好處是減少網(wǎng)絡(luò)各層之間的連接，同時(shí)又降低了過擬合的風(fēng)險(xiǎn)。子采樣也叫做池化（pooling），通常有均值子采樣（mean pooling）和最大值子采樣（max pooling）兩種形式。子采樣可以看作一種特殊的卷積過程。卷積和子采樣大大簡(jiǎn)化了模型復(fù)雜度，減少了模型的參數(shù)。

1.3.2 卷積的計(jì)算過程

假設(shè)我們輸入的是5*5*1的圖像，中間的那個(gè)3*3*1是我們定義的一個(gè)卷積核（簡(jiǎn)單來說可以看做一個(gè)矩陣形式運(yùn)算器），通過原始輸入圖像和卷積核做運(yùn)算可以得到綠色部分的結(jié)果，怎么樣的運(yùn)算呢？實(shí)際很簡(jiǎn)單就是我們看左圖中深色部分，處于中間的數(shù)字是圖像的像素，處于右下角的數(shù)字是我們卷積核的數(shù)字，只要對(duì)應(yīng)相乘再相加就可以得到結(jié)果。例如圖中‘3*0+1*1+2*2+2*2+0*2+0*0+2*0+0*1+0*2=9’

計(jì)算過程如下動(dòng)圖：

圖中最左邊的三個(gè)輸入矩陣就是我們的相當(dāng)于輸入d=3時(shí)有三個(gè)通道圖，每個(gè)通道圖都有一個(gè)屬于自己通道的卷積核，我們可以看到輸出（output）的只有兩個(gè)特征圖意味著我們?cè)O(shè)置的輸出d=2，有幾個(gè)輸出通道就有幾層卷積核（比如圖中就有FilterW0和FilterW1），這意味著我們的卷積核數(shù)量就是輸入d的個(gè)數(shù)乘以輸出d的個(gè)數(shù)（圖中就是2*3=6個(gè)），其中每一層通道圖的計(jì)算與上文中提到的一層計(jì)算相同，再把每一個(gè)通道輸出的輸出再加起來就是綠色的輸出數(shù)字。

1.3.3?感受野

感受野（Receptive Field）：卷積神經(jīng)網(wǎng)絡(luò)各輸出層每個(gè)像素點(diǎn)在原始圖像上的映射區(qū)域大小。
下圖為感受野示意圖：

?當(dāng)我們采用尺寸不同的卷積核時(shí)，最大的區(qū)別就是感受野的大小不同，所以經(jīng)常會(huì)采用多層小卷積核來替換一層大卷積核，在保持感受野相同的情況下減少參數(shù)量和計(jì)算量。
例如十分常見的用2層3 * 3卷積核來替換1層5 * 5卷積核的方法，如下圖所示。

1.3.4?步長(zhǎng)

每次卷積核移動(dòng)的大小。

1.3.5?輸出特征尺寸計(jì)算

輸出特征尺寸計(jì)算：在了解神經(jīng)網(wǎng)絡(luò)中卷積計(jì)算的整個(gè)過程后，就可以對(duì)輸出特征圖的尺寸進(jìn)行計(jì)算。如下圖所示，5×5的圖像經(jīng)過3×3大小的卷積核做卷積計(jì)算后輸出特征尺寸為3×3

?1.3.6?全零填充

當(dāng)卷積核尺寸大于 1 時(shí)，輸出特征圖的尺寸會(huì)小于輸入圖片尺寸。如果經(jīng)過多次卷積，輸出圖片尺寸會(huì)不斷減小。為了避免卷積之后圖片尺寸變小，通常會(huì)在圖片的外圍進(jìn)行填充(padding)，如下圖所示

全零填充（padding）：為了保持輸出圖像尺寸與輸入圖像一致，經(jīng)常會(huì)在輸入圖像周圍進(jìn)行全零填充，如下所示，在5×5的輸入圖像周圍填0，則輸出特征尺寸同為5×5。

當(dāng)padding=1和paadding=2時(shí)，如下圖所示：

1.3.7 標(biāo)準(zhǔn)化

使數(shù)據(jù)符合0均值，1為標(biāo)準(zhǔn)差的分布。
批標(biāo)準(zhǔn)化（Batch Normalization）：對(duì)一小批數(shù)據(jù)（batch），做標(biāo)準(zhǔn)化處理。

?Batch Normalization將神經(jīng)網(wǎng)絡(luò)每層的輸入都調(diào)整到均值為0，方差為1的標(biāo)準(zhǔn)正態(tài)分布，其目的是解決神經(jīng)網(wǎng)絡(luò)中梯度消失的問題.

BN操作的另一個(gè)重要步驟是縮放和偏移，值得注意的是，縮放因子γ以及偏移因子β都是可訓(xùn)練參數(shù)。?

1.3.7?池化層

池化（Pooling）用于減少特征數(shù)據(jù)量。
最大值池化可提取圖片紋理，均值池化可保留背景特征

?1.4 卷積神經(jīng)網(wǎng)絡(luò)的全過程

?1.5?PyTorch的卷積神經(jīng)網(wǎng)絡(luò)（cnn）手寫數(shù)字識(shí)別

使用的框架為pytorch。

數(shù)據(jù)集：MNIST數(shù)據(jù)集，60000張訓(xùn)練圖像，每張圖像size為28*28。

可在http://yann.lecun.com/exdb/mnist/中獲取

1.5.1 代碼

import torch import torch.nn as nn import torchvision.datasets as dataset import torchvision.transforms as transforms import torch.utils.data as data_utils#獲取數(shù)據(jù)集 train_data=dataset.MNIST(root="D",train=True,transform=transforms.ToTensor(),download=True) test_data=dataset.MNIST(root="D",train=False,transform=transforms.ToTensor(),download=False) train_loader=data_utils.DataLoader(dataset=train_data, batch_size=100, shuffle=True) test_loader=data_utils.DataLoader(dataset=test_data, batch_size=100, shuffle=True)#創(chuàng)建網(wǎng)絡(luò) class Net(torch.nn.Module):def __init__(self):super().__init__()self.conv=nn.Conv2d(1, 32, kernel_size=5, padding=2)self.bat2d=nn.BatchNorm2d(32)self.relu=nn.ReLU()self.pool=nn.MaxPool2d(2)self.linear=nn.Linear(14 * 14 * 32, 70)self.tanh=nn.Tanh()self.linear1=nn.Linear(70,30)self.linear2=nn.Linear(30, 10)def forward(self,x):y=self.conv(x)y=self.bat2d(y)y=self.relu(y)y=self.pool(y)y=y.view(y.size()[0],-1)y=self.linear(y)y=self.tanh(y)y=self.linear1(y)y=self.tanh(y)y=self.linear2(y)return y cnn=Net() cnn=cnn.cuda()#損失函數(shù) los=torch.nn.CrossEntropyLoss()#優(yōu)化函數(shù) optime=torch.optim.Adam(cnn.parameters(), lr=0.01)#訓(xùn)練模型 for epo in range(10):for i, (images,lab) in enumerate(train_loader):images=images.cuda()lab=lab.cuda()out = cnn(images)loss=los(out,lab)optime.zero_grad()loss.backward()optime.step()print("epo:{},i:{},loss:{}".format(epo+1,i,loss))#測(cè)試模型 loss_test=0 accuracy=0 with torch.no_grad():for j, (images_test,lab_test) in enumerate(test_loader):images_test = images_test.cuda()lab_test=lab_test.cuda()out1 = cnn(images_test)loss_test+=los(out1,lab_test)loss_test=loss_test/(len(test_data)//100)_,p=out1.max(1)accuracy += (p==lab_test).sum().item()accuracy=accuracy/len(test_data)print("loss_test:{},accuracy:{}".format(loss_test,accuracy))

---

總結(jié)

以上是生活随笔為你收集整理的基于卷积神经网络（cnn）的手写数字识别（PyTorch）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。