卷积神经网络原理.docx
《卷积神经网络原理.docx》由会员分享,可在线阅读,更多相关《卷积神经网络原理.docx(34页珍藏版)》请在冰豆网上搜索。
卷积神经网络原理
一、CNN卷积神经网络原理简介
本文主要是详细地解读CNN的实现代码。
如果你没学习过CNN,在此推荐周晓艺师兄的博文:
,以及UFLDL上的、
CNN的最大特点就是稀疏连接(局部感受)和权值共享,如下面两图所示,左为稀疏连接,右为权值共享。
稀疏连接和权值共享可以减少所要训练的参数,减少计算复杂度。
至于CNN的结构,以经典的LeNet5来说明:
这个图真是无处不在,一谈CNN,必说LeNet5,这图来自于这篇论文:
,论文很长,第7页那里开始讲LeNet5这个结构,建议看看那部分。
我这里简单说一下,LeNet5这张图从左到右,先是input,这是输入层,即输入的图片。
input-layer到C1这部分就是一个卷积层(convolution运算),C1到S2是一个子采样层(pooling运算),关于卷积和子采样的具体过程可以参考下图:
然后,S2到C3又是卷积,C3到S4又是子采样,可以发现,卷积和子采样都是成对出现的,卷积后面一般跟着子采样。
S4到C5之间是全连接的,这就相当于一个MLP的隐含层了(如果你不清楚MLP,参考《》)。
C5到F6同样是全连接,也是相当于一个MLP的隐含层。
最后从F6到输出output,其实就是一个分类器,这一层就叫分类层。
ok,CNN的基本结构大概就是这样,由输入、卷积层、子采样层、全连接层、分类层、输出这些基本“构件”组成,一般根据具体的应用或者问题,去确定要多少卷积层和子采样层、采用什么分类器。
当确定好了结构以后,如何求解层与层之间的连接参数?
一般采用向前传播(FP)+向后传播(BP)的方法来训练。
具体可参考上面给出的链接。
二、CNN卷积神经网络代码详细解读(基于python+theano)
代码来自于深度学习教程:
,这个代码实现的是一个简化了的LeNet5,具体如下:
∙没有实现location-specificgainandbiasparameters
∙用的是maxpooling,而不是average_pooling
∙分类器用的是softmax,LeNet5用的是rbf
∙LeNet5第二层并不是全连接的,本程序实现的是全连接
另外,代码里将卷积层和子采用层合在一起,定义为“LeNetConvPoolLayer“(卷积采样层),这好理解,因为它们总是成对出现。
但是有个地方需要注意,代码中将卷积后的输出直接作为子采样层的输入,而没有加偏置b再通过sigmoid函数进行映射,即没有了下图中fx后面的bx以及sigmoid映射,也即直接由fx得到Cx。
最后,代码中第一个卷积层用的卷积核有20个,第二个卷积层用50个,而不是上面那张LeNet5图中所示的6个和16个。
了解了这些,下面看代码:
(1)导入必要的模块
[python]
1.importcPickle
2.importgzip
3.importos
4.importsys
5.importtime
6.importnumpy
7.importtheano
8.importtheano.tensorasT
9.fromimportdownsample
10.fromimportconv
(2)定义CNN的基本"构件"
CNN的基本构件包括卷积采样层、隐含层、分类器,如下
∙定义LeNetConvPoolLayer(卷积+采样层)
见代码注释:
[python]
1."""
2.
3.卷积+下采样合成一个层LeNetConvPoolLayer
4.
5.rng:
随机数生成器,用于初始化W
6.
7.?
8.filter_shape:
(numberoffilters,numinputfeaturemaps,filterheight,filterwidth)
9.image_shape:
(batchsize,numinputfeaturemaps,imageheight,imagewidth)
10.poolsize:
(#rows,#cols)
11."""
12.
13.classLeNetConvPoolLayer(object):
14.def__init__(self,rng,input,filter_shape,image_shape,poolsize=(2,
15.2)):
16.#assert?
condition,condition为True,则继续往下执行,condition为False,中断程序
17.#image_shape[1]和filter_shape[1]都是numinputfeaturemaps,它们必须是一样的。
18.assertimage_shape[1]==filter_shape[1]
19.self.input=input
20.#每个隐层神经元(即像素)与上一层的连接数为numinputfeaturemaps*filterheight*filterwidth。
21.#可以用numpy.prod(filter_shape[1:
])来求得
22.
23.fan_in=numpy.prod(filter_shape[1:
])
24.#lowerlayer上每个神经元获得的梯度来自于:
"numoutputfeaturemaps*filterheight*filterwidth"/poolingsize
25.fan_out=(filter_shape[0]*numpy.prod(filter_shape[
26.2:
])/
27.numpy.prod(poolsize))
28.#以上求得fan_in、fan_out,将它们代入公式,以此来随机初始化W,W就是线性卷积核
29.W_bound=numpy.sqrt(6./(fan_in+fan_out))
30.self.W=theano.shared(
31.numpy.asarray(
32.rng.uniform(low=-W_bound,high=W_bound,size=filter_shape),
33.
34.),
35.borrow=True
36.)
37.
38.#thebiasisa1Dtensor--onebiasperoutputfeaturemap
39.#偏置b是一维向量,每个输出图的特征图都对应一个偏置,
40.
41.#而输出的特征图的个数由filter个数决定,因此用filter_shape[0]即numberoffilters来初始化
42.b_values=numpy.zeros((filter_shape[0
43.self.b=theano.shared(value=b_values,borrow=True)
44.#将输入图像与filter卷积,conv.conv2d函数
45.
46.#卷积完没有加b再通过sigmoid,这里是一处简化。
47.
48.conv_out=conv.conv2d(
49.input=input,
50.filters=self.W,
51.filter_shape=filter_shape,
52.image_shape=image_shape
53.)
54.
55.#maxpooling,最大子采样过程
56.
57.pooled_out=downsample.max_pool_2d(
58.input=conv_out,
59.ds=poolsize,
60.ignore_border=True
61.)
62.
63.#加偏置,再通过tanh映射,得到卷积+子采样层的最终输出
64.
65.#因为b是一维向量,这里用维度转换函数dimshuffle将其reshape。
比如b是(10,),
66.
67.#则b.dimshuffle('x',0,'x','x'))将其reshape为(1,10,1,1)
68.self.output=T.tanh(pooled_out+self.b.dimshuffle('x',
69.0,
70.'x',
71.'x'))
72.#卷积+采样层的参数
73.
74.self.params=[self.W,
75.self.b]
∙定义隐含层HiddenLayer
这个跟上一篇文章《》中的HiddenLayer是一致的,直接拿过来:
[python]
1."""
2.
3.注释:
4.
5.这是定义隐藏层的类,首先明确:
隐藏层的输入即input,输出即隐藏层的神经元个数。
输入层与隐藏层是全连接的。
6.
7.假设输入是n_in维的向量(也可以说时n_in个神经元),隐藏层有n_out个神经元,则因为是全连接,
8.
9.一共有n_in*n_out个权重,故W大小时(n_in,n_out),n_in行n_out列,每一列对应隐藏层的每一个神经元的连接权重。
10.
11.b是偏置,隐藏层有n_out个神经元,故b时n_out维向量。
12.
13.?
14.input训练模型所用到的所有输入,并不是MLP的输入层,MLP的输入层的神经元个数时n_in,而这里的参数input大小是(n_example,n_in),每一行一个样本,即每一行作为MLP的输入层。
15.
16.activation:
激活函数,这里定义为函数tanh
17.
18."""
19.
20.classHiddenLayer(object):
21.def__init__(self,rng,input,n_in,n_out,W=None,
22.b=None,
23.activation=T.tanh):
24.self.input=input#类HiddenLayer的input即所传递进来的input
25."""
26.注释:
27.?
28.另外,W的初始化有个规则:
如果使用tanh函数,则在-sqrt(6./(n_in+n_hidden))到sqrt(6./(n_in+n_hidden))之间均匀
29.抽取数值来初始化W,若时sigmoid函数,则以上再乘4倍。
30."""
31.#如果W未初始化,则根据上述方法初始化。
32.#加入这个判断的原因是:
有时候我们可以用训练好的参数来初始化W,见我的上一篇文章。
33.ifWisNone:
34.W_values=numpy.asarray(
35.rng.uniform(
36.low=-numpy.sqrt(6./(n_in+n_out)),
37.high=numpy.sqrt(6./(n_in+n_out)),
38.size=(n_in,n_out)
39.),
40.
41.)
42.
43.if
44.W_values*=4
45.W=theano.shared(value=W_values,name='W',
46.borrow=True)
47.ifbisNone:
48.
49.b=theano.shared(value=b_values,name='b',
50.borrow=True)
51.#用上面定义的W、b来初始化类HiddenLayer的W、b
52.self.W=W
53.self.b=b
54.#隐含层的输出
55.lin_output=T.dot(input,self.W)+self.b?
56.
57.self.output=(
58.lin_outputifactivationisNone
59.elseactivation(lin_output)
60.)
61.
62.#隐含层的参数
63.self.params=[self.W,
64.self.b]
∙定义分类器(Softmax回归)
采用Softmax,这跟《》中的LogisticRegression是一样的,直接拿过来:
[python]
1."""
2.
3.定义分类层LogisticRegression,也即Softmax回归
4.
5.在deeplearning?
tutorial中,直接将LogisticRegression视为Softmax,
6.而我们所认识的二类别的逻辑回归就是当n_out=2时的LogisticRegression
7.
8."""
9.
10.#参数说明:
11.
12.#input,大小就是(n_example,n_in),其中n_example是一个batch的大小,
13.
14.#因为我们训练时用的是Minibatch?
SGD,因此input这样定义
15.#n_in,即上一层(隐含层)的输出
16.
17.#n_out,输出的类别数?
18.classLogisticRegression(object):
19.def__init__(self,input,n_in,n_out):
20.#W大小是n_in行n_out列,b为n_out维向量。
即:
每个输出对应W的一列以及b的一个元素。
21.self.W=theano.shared(
22.value=numpy.zeros(
23.(n_in,n_out),
24.
25.),
26.name='W',
27.borrow=True
28.)
29.
30.self.b=theano.shared(
31.value=numpy.zeros(
32.(n_out,),
33.
34.),
35.name='b',
36.borrow=True
37.)
38.
39.#input是(n_example,n_in),W是(n_in,n_out),点乘得到(n_example,n_out),加上偏置b,
40.
41.
42.#故p_y_given_x每一行代表每一个样本被估计为各类别的概率?
43.#PS:
b是n_out维向量,与(n_example,n_out)矩阵相加,内部其实是先复制n_example个b,
44.
45.#然后(n_example,n_out)矩阵的每一行都加b
46.
47.selfself.W)+self.b)
48.#argmax返回最大值下标,因为本例数据集是MNIST,下标刚好就是类别。
axis=1表示按行操作。
49.
50.self.y_pred=T.argmax(self.p_y_given_x,
51.axis=1)
52.#params,LogisticRegression的参数?
53.self.params=[self.W,
54.self.b]
到这里,CNN的基本”构件“都有了,下面要用这些”构件“组装成LeNet5(当然,是简化的,上面已经说了),具体来说,就是组装成:
LeNet5=input+LeNetConvPoolLayer_1+LeNetConvPoolLayer_2+HiddenLayer+LogisticRegression+output。
然后将其应用于MNIST数据集,用BP算法去解这个模型,得到最优的参数。
(3)加载MNIST数据集()
[python]
1."""
2.
3.加载MNIST数据集load_data()
4.
5."""
6.
7.defload_data(dataset):
8.#
9.dataset是数据集的路径,程序首先检测该路径下有没有MNIST数据集,没有的话就下载MNIST数据集
10.#这一部分就不解释了,与softmax回归算法无关。
11.
12.ifdata_dir==""andnot
13.#Checkifdatasetisinthedatadirectory.
14.
15.0],
16.
17."..",
18."data",
19.dataset
20.)
21.
22.ifordata_file==:
23.dataset=new_path
24.if(notanddata_file==:
25.importurllib
26.origin=(
27.
28.)
29.
30.print'Downloadingdatafrom%s'%origin
31.urllib.urlretrieve(origin,dataset)
32.print'...loadingdata'
33.
34.
35.#主要用到python里的gzip.open()函数,以及?
cPickle.load()。
36.#‘rb’表示以二进制可读的方式打开文件
37.
38.f=gzip.open(dataset,'rb')
39.train_set,valid_set,test_set=cPickle.load(f)
40.f.close()
41.#将数据设置成sharedvariables,主要时为了GPU加速,只有sharedvariables才能存到GPUmemory中
42.#GPU里数据类型只能是float。
而data_y是类别,所以最后又转换为int返回
43.
44.defshared_dataset(data_xy,borrow=True):
45.data_x,data_y=data_xy
46.shared_x=theano.shared(numpy.asarray(data_x,
47.
48.borrow=borrow)
49.shared_y=theano.shared(numpy.asarray(data_y,
50.
51.borrow=borrow)
52.returnshared_x,T.cast(shared_y,'int32')
53.test_set_x,test_set_y=shared_dataset(test_set)
54.valid_set_x,valid_set_y=shared_dataset(valid_set)
55.train_set_x,train_set_y=shared_dataset(train_set)
56.rval=[(train_set_x,train_set_y),(valid_set_x,valid_set_y),
57.(test_set_x,test_set_y)]
58.returnrval
(4)实现LeNet5并测试
[python]
1."""
2.
3.实现LeNet5
4.
5.LeNet5有两个卷积层,第一个卷积层有20个卷积核,第二个卷积层有50个卷积核
6.
7."""
8.
9.defevaluate_lenet5(learning_rate=0.1,
10.n_epochs=200,
11.dataset=,
12.nkerns=[20,
13.50],
14.batch_size=500):
15."""
16.
17.learning_rate:
学习速率,随机梯度前的系数。
18.n_epochs训练步数,每一步都会遍历所有batch,即所有样本
19.batch_size,这里设置为500,即每遍历完500个样本,才计算梯度并更新参数
20.nkerns=[20,50],每一个LeNetConvPoolLayer卷积核的个数,第一个LeNetConvPoolLayer有
21.20个卷积核,第二个有50个
22."""
23.23455)
24.
25.#加载数据
26.datasets=load_data(dataset)
27.train_set_x,train_set_y=datasets[0]
28.valid_set_x,valid_set_y=datasets[1]
29.test_set_x,test_set_y=datasets[2]
30.#
31.计算batch的个数
32.n_train_batches=train_set_x.get_value(borrow=True).shape[0]
33.n_valid_batches=valid_set_x.get_value(borrow=True).shape[0]
34.n_test_batches=test_set_x.get_value(borrow=True).shape[0]
35.n_train_batches/=batch_size
36.n_valid_batches/=batch_size
37.n_test_batches/=batch_size
38.#定义几个变量,index表示batch下标,x表示输入的训练数据,y对应其标签
39.index=T.lscalar()
40.x=T.matrix('x')
41.y=T.ivector('y')
42.######################
43.#BUILDACTUALMODEL#
44.######################
45.print'...buildingthemodel'
46.#我们加载进来的batch大小的数据是(batch_size,28*28),但是LeNetConvPoolLayer的输入是四维的,所以要reshape
47.layer0_input=x.reshape((batch_size,1,
48.28,
49.28))
50.#layer0即第一个LeNetConvPoolLayer层
51.#输入的单张图片(28,28),经过conv得到(28-5+1,28-5+1)=(24,24),
52.#经过maxpooling得到(24/2,24/2)=(12,12)
53.#因为每个batch有batch_size张图,第一个LeNetConvPoolLayer层有nkerns[0]个卷积核,
54.
55.#故layer0输出为(batch_size,nkerns[0],12,12)
56.layer0=LeNetConvPoolLayer(
57.rng,
58.input=layer0_input,
59.image_shape=(batch_size,1,
60.28,
61.28),
62.filter_shape=(nkerns[0],
63.1,
64.5,
65.5),
66.poolsize=(2,
67.2)
68.)
69.
70.#layer1即第二个LeNetConvPoolLayer层
71.
72.#输入是layer0的输出,每张特征图为(12,12),经过conv得到(12-5+1,12-5+1)=(8,8),
73.#经过maxpooling得到(8/2,8/2)=(4,4)
74.#因为每个batch有batch_size张图(特征图),第二个LeNetConvPoolLayer层有nkerns[1]个卷积核
75.
76.#,故layer1输出为(batch_size,nkerns[1],4,4)
77.layer1=LeNetConvPoolLayer(
78.rng,
79.input=layer0.output,
80.image_shape=(batch_size,nkerns[0],
81.12,
82.12),#输入nkerns[0]张特征图,即layer0输出nkerns[0]张特征图
83.filter_shape=(nkerns[1],
84.nkerns[0],
85.5,
8