稍稍亂入的CNN，本文依然是學(xué)習(xí)周莫煩視頻的筆記。

還有 google 在 udacity 上的 CNN 教程。

CNN(Convolutional Neural Networks) 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單講就是把一個(gè)圖片的數(shù)據(jù)傳遞給CNN，原涂層是由RGB組成，然后CNN把它的厚度加厚，長(zhǎng)寬變小，每做一層都這樣被拉長(zhǎng)，最后形成一個(gè)分類器：

如果想要分成十類的話，那么就會(huì)有0到9這十個(gè)位置，這個(gè)數(shù)據(jù)屬于哪一類就在哪個(gè)位置上是1，而在其它位置上為零。

在 RGB 這個(gè)層，每一次把一塊核心抽出來(lái)，然后厚度加厚，長(zhǎng)寬變小，形成分類器：

在 CNN 中有幾個(gè)重要的概念：

• stride
• padding
• pooling

stride，就是每跨多少步抽取信息。每一塊抽取一部分信息，長(zhǎng)寬就縮減，但是厚度增加。抽取的各個(gè)小塊兒，再把它們合并起來(lái)，就變成一個(gè)壓縮后的立方體。

padding，抽取的方式有兩種，一種是抽取后的長(zhǎng)和寬縮減，另一種是抽取后的長(zhǎng)和寬和原來(lái)的一樣。

pooling，就是當(dāng)跨步比較大的時(shí)候，它會(huì)漏掉一些重要的信息，為了解決這樣的問(wèn)題，就加上一層叫pooling，事先把這些必要的信息存儲(chǔ)起來(lái)，然后再變成壓縮后的層：

**patch, **就是小方塊的長(zhǎng)寬的像素，in size 是image的厚度為1，out size是輸出的厚度為32:

CNN的結(jié)構(gòu)，分析一張圖片時(shí)，先放一個(gè)CNN的圖層，再把這個(gè)圖層進(jìn)行一個(gè)pooling。這樣可以比較好的保持信息，之后再加第二層的CNN和pooling。

導(dǎo)入一個(gè)圖片之后，先是有它的RGB三個(gè)圖層，然后把像素塊縮小變厚。本來(lái)有三個(gè)厚度，然后把它變成八個(gè)厚度，它的長(zhǎng)寬在不斷的減小，最后把它們連接在一起：

下面就是用 tensorflow 構(gòu)建一個(gè) CNN 的代碼，
里面主要有4個(gè)layer，分別是:

1. convolutional layer1 + max pooling;
2. convolutional layer2 + max pooling;
3. fully connected layer1 + dropout;
4. fully connected layer2 to prediction.

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# number 1 to 10 data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

def compute_accuracy(v_xs, v_ys):
    global prediction
    y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1})
    correct_prediction = tf.equal(tf.argmax(y_pre,1), tf.argmax(v_ys,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys, keep_prob: 1})
    return result

# 產(chǎn)生隨機(jī)變量，符合 normal 分布
# 傳遞 shape 就可以返回weight和bias的變量
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)    
    return tf.Variable(initial)                         

def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)

# 定義2維的 convolutional 圖層
def conv2d(x, W):
    # stride [1, x_movement, y_movement, 1]
    # Must have strides[0] = strides[3] = 1
    # strides 就是跨多大步抽取信息
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')     

# 定義 pooling 圖層
def max_pool_2x2(x):
    # stride [1, x_movement, y_movement, 1]
    # 用pooling對(duì)付跨步大丟失信息問(wèn)題
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')        

# define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [None, 784])        # 784＝28x28
ys = tf.placeholder(tf.float32, [None, 10])
keep_prob = tf.placeholder(tf.float32)
x_image = tf.reshape(xs, [-1, 28, 28, 1])           # 最后一個(gè)1表示數(shù)據(jù)是黑白的
# print(x_image.shape)  # [n_samples, 28,28,1]

## 1. conv1 layer ##
#  把x_image的厚度1加厚變成了32
W_conv1 = weight_variable([5, 5, 1, 32])                # patch 5x5, in size 1, out size 32
b_conv1 = bias_variable([32])
# 構(gòu)建第一個(gè)convolutional層，外面再加一個(gè)非線性化的處理relu
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)            # output size 28x28x32
# 經(jīng)過(guò)pooling后，長(zhǎng)寬縮小為14x14
h_pool1 = max_pool_2x2(h_conv1)                                     # output size 14x14x32

## 2. conv2 layer ##
# 把厚度32加厚變成了64
W_conv2 = weight_variable([5,5, 32, 64])                # patch 5x5, in size 32, out size 64
b_conv2 = bias_variable([64])
# 構(gòu)建第二個(gè)convolutional層
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)            # output size 14x14x64
# 經(jīng)過(guò)pooling后，長(zhǎng)寬縮小為7x7
h_pool2 = max_pool_2x2(h_conv2)                                     # output size 7x7x64

## 3. func1 layer ##
# 飛的更高變成1024
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
# [n_samples, 7, 7, 64] ->> [n_samples, 7*7*64]
# 把pooling后的結(jié)果變平
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

## 4. func2 layer ##
# 最后一層，輸入1024，輸出size 10，用 softmax 計(jì)算概率進(jìn)行分類的處理
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
prediction = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)


# the error between prediction and real data
cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
                                              reduction_indices=[1]))       # loss
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

sess = tf.Session()
# important step
sess.run(tf.initialize_all_variables())

for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: 0.5})
    if i % 50 == 0:
        print(compute_accuracy(
            mnist.test.images, mnist.test.labels))