Tensorflow快餐教程(1) - 30行代碼搞定手寫識別

Tensorflow快餐教程(1) - 30行代碼搞定手寫識別

來自專欄 我是程序員

去年買了幾本講tensorflow的書，結果今年看的時候發現有些樣例代碼所用的API已經過時了。看來自己維護一個保持更新的Tensorflow的教程還是有意義的。這是寫這一系列的初心。

快餐教程系列希望能夠儘可能降低門檻，少講，講透。

為了讓大家在一開始就看到一個美好的場景，而不是停留在漫長的基礎知識積累上，參考網上的一些教程，我們直接一開始就直接展示用tensorflow實現MNIST手寫識別的例子。然後基礎知識我們再慢慢講。

Tensorflow安裝速成教程

由於Python是跨平台的語言，所以在各系統上安裝tensorflow都是一件相對比較容易的事情。GPU加速的事情我們後面再說。

Linux平台安裝tensorflow

我們以Ubuntu 16.04版為例，首先安裝python3和pip3。pip是python的包管理工具。

sudo apt install python3sudo apt install python3-pip

然後就可以通過pip3來安裝tensorflow:

pip3 install tensorflow --upgrade

MacOS安裝tensorflow

建議使用Homebrew來安裝python。

brew install python3

安裝python3之後，還是通過pip3來安裝tensorflow.

pip3 install tensorflow --upgrade

Windows平台安裝Tensorflow

Windows平台上建議通過Anaconda來安裝tensorflow，下載地址在：https://www.anaconda.com/download/#windows

然後打開Anaconda Prompt，輸入：

conda create -n tensorflow pipactivate tensorflowpip install --ignore-installed --upgrade tensorflow

這樣就安裝好了Tensorflow。

我們迅速來個例子試下好不好用：

import tensorflow as tfa = tf.constant(1)b = tf.constant(2)c = a * bsess = tf.Session()print(sess.run(c))

輸出結果為2.

Tensorflow顧名思義，是一些Tensor張量的流組成的運算。

運算需要一個Session來運行。如果print(c)的話，會得到

Tensor("mul_1:0", shape=(), dtype=int32)

就是說這是一個乘法運算的Tensor，需要通過Session.run()來執行。

入門捷徑：線性回歸

我們首先看一個最簡單的機器學習模型，線性回歸的例子。

線性回歸的模型就是一個矩陣乘法：

tf.multiply(X, w)

然後我們通過調用Tensorflow計算梯度下降的函數tf.train.GradientDescentOptimizer來實現優化。

我們看下這個例子代碼，只有30多行，邏輯還是很清晰的。例子來自github上大牛的工作：https://github.com/nlintz/TensorFlow-Tutorials，不是我的原創。

import tensorflow as tfimport numpy as nptrX = np.linspace(-1, 1, 101)trY = 2 * trX + np.random.randn(*trX.shape) * 0.33 # 創建一些線性值附近的隨機值X = tf.placeholder("float") Y = tf.placeholder("float")def model(X, w): return tf.multiply(X, w) # X*w線性求值，非常簡單w = tf.Variable(0.0, name="weights") y_model = model(X, w)cost = tf.square(Y - y_model) # 用平方誤差做為優化目標train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost) # 梯度下降優化# 開始創建Session幹活！with tf.Session() as sess: # 首先需要初始化全局變數，這是Tensorflow的要求 tf.global_variables_initializer().run() for i in range(100): for (x, y) in zip(trX, trY): sess.run(train_op, feed_dict={X: x, Y: y}) print(sess.run(w))

最終會得到一個接近2的值，比如我這次運行的值為1.9183811

多種方式搞定手寫識別

線性回歸不過癮，我們直接一步到位，開始進行手寫識別。

我們採用深度學習三巨頭之一的Yann Lecun教授的MNIST數據為例。如上圖所示，MNIST的數據是28x28的圖像，並且標記了它的值應該是什麼。

線性模型：logistic回歸

我們首先不管三七二十一，就用線性模型來做分類。

算上注釋和空行，一共加起來30行左右，我們就可以解決手寫識別這麼困難的問題啦！請看代碼：

import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datadef init_weights(shape): return tf.Variable(tf.random_normal(shape, stddev=0.01))def model(X, w): return tf.matmul(X, w) # 模型還是矩陣乘法mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labelsX = tf.placeholder("float", [None, 784])Y = tf.placeholder("float", [None, 10])w = init_weights([784, 10]) py_x = model(X, w)cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=py_x, labels=Y)) # 計算誤差train_op = tf.train.GradientDescentOptimizer(0.05).minimize(cost) # construct optimizerpredict_op = tf.argmax(py_x, 1) with tf.Session() as sess: tf.global_variables_initializer().run() for i in range(100): for start, end in zip(range(0, len(trX), 128), range(128, len(trX)+1, 128)): sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]}) print(i, np.mean(np.argmax(teY, axis=1) == sess.run(predict_op, feed_dict={X: teX})))

經過100輪的訓練，我們的準確率是92.36%。

無腦的淺層神經網路

用了最簡單的線性模型，我們換成經典的神經網路來實現這個功能。神經網路的圖如下圖所示。

我們還是不管三七二十一，建立一個隱藏層，用最傳統的sigmoid函數做激活函數。其核心邏輯還是矩陣乘法，這裡面沒有任何技巧。

h = tf.nn.sigmoid(tf.matmul(X, w_h)) return tf.matmul(h, w_o)

完整代碼如下，仍然是40多行，不長：

import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_data# 所有連接隨機生成權值def init_weights(shape): return tf.Variable(tf.random_normal(shape, stddev=0.01))def model(X, w_h, w_o): h = tf.nn.sigmoid(tf.matmul(X, w_h)) return tf.matmul(h, w_o) mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labelsX = tf.placeholder("float", [None, 784])Y = tf.placeholder("float", [None, 10])w_h = init_weights([784, 625])w_o = init_weights([625, 10])py_x = model(X, w_h, w_o)cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=py_x, labels=Y)) # 計算誤差損失train_op = tf.train.GradientDescentOptimizer(0.05).minimize(cost) # construct an optimizerpredict_op = tf.argmax(py_x, 1) with tf.Session() as sess: tf.global_variables_initializer().run() for i in range(100): for start, end in zip(range(0, len(trX), 128), range(128, len(trX)+1, 128)): sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]}) print(i, np.mean(np.argmax(teY, axis=1) == sess.run(predict_op, feed_dict={X: teX})))

第一輪運行，我這次的準確率只有69.11% ，第二次就提升到了82.29%。最終結果是95.41%，比Logistic回歸的強！

請注意我們模型的核心那兩行代碼，完全就是無腦地全連接做了一個隱藏層而己，這其中沒有任何的技術。完全是靠神經網路的模型能力。

深度學習時代的方案 - ReLU和Dropout顯神通

上一個技術含量有點低，現在是深度學習的時代了，我們有很多進步。比如我們知道要將sigmoid函數換成ReLU函數。我們還知道要做Dropout了。於是我們還是一個隱藏層，寫個更現代一點的模型吧：

X = tf.nn.dropout(X, p_keep_input) h = tf.nn.relu(tf.matmul(X, w_h)) h = tf.nn.dropout(h, p_keep_hidden) h2 = tf.nn.relu(tf.matmul(h, w_h2)) h2 = tf.nn.dropout(h2, p_keep_hidden) return tf.matmul(h2, w_o)

除了ReLU和dropout這兩個技巧，我們仍然只有一個隱藏層，表達能力沒有太大的增強。並不能算是深度學習。

import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datadef init_weights(shape): return tf.Variable(tf.random_normal(shape, stddev=0.01))def model(X, w_h, w_h2, w_o, p_keep_input, p_keep_hidden): X = tf.nn.dropout(X, p_keep_input) h = tf.nn.relu(tf.matmul(X, w_h)) h = tf.nn.dropout(h, p_keep_hidden) h2 = tf.nn.relu(tf.matmul(h, w_h2)) h2 = tf.nn.dropout(h2, p_keep_hidden) return tf.matmul(h2, w_o)mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labelsX = tf.placeholder("float", [None, 784])Y = tf.placeholder("float", [None, 10])w_h = init_weights([784, 625])w_h2 = init_weights([625, 625])w_o = init_weights([625, 10])p_keep_input = tf.placeholder("float")p_keep_hidden = tf.placeholder("float")py_x = model(X, w_h, w_h2, w_o, p_keep_input, p_keep_hidden)cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=py_x, labels=Y))train_op = tf.train.RMSPropOptimizer(0.001, 0.9).minimize(cost)predict_op = tf.argmax(py_x, 1)with tf.Session() as sess: # you need to initialize all variables tf.global_variables_initializer().run() for i in range(100): for start, end in zip(range(0, len(trX), 128), range(128, len(trX)+1, 128)): sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end], p_keep_input: 0.8, p_keep_hidden: 0.5}) print(i, np.mean(np.argmax(teY, axis=1) == sess.run(predict_op, feed_dict={X: teX, p_keep_input: 1.0, p_keep_hidden: 1.0})))

從結果看到，第二次就達到了96%以上的正確率。後來就一直在98.4%左右遊盪。僅僅是ReLU和Dropout，就把準確率從95%提升到了98%以上。

卷積神經網路出場

真正的深度學習利器CNN，卷積神經網路出場。這次的模型比起前面幾個無腦型的，的確是複雜一些。涉及到卷積層和池化層。這個是需要我們後面詳細講一講了。

import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_databatch_size = 128test_size = 256def init_weights(shape): return tf.Variable(tf.random_normal(shape, stddev=0.01))def model(X, w, w2, w3, w4, w_o, p_keep_conv, p_keep_hidden): l1a = tf.nn.relu(tf.nn.conv2d(X, w, # l1a shape=(?, 28, 28, 32) strides=[1, 1, 1, 1], padding=SAME)) l1 = tf.nn.max_pool(l1a, ksize=[1, 2, 2, 1], # l1 shape=(?, 14, 14, 32) strides=[1, 2, 2, 1], padding=SAME) l1 = tf.nn.dropout(l1, p_keep_conv) l2a = tf.nn.relu(tf.nn.conv2d(l1, w2, # l2a shape=(?, 14, 14, 64) strides=[1, 1, 1, 1], padding=SAME)) l2 = tf.nn.max_pool(l2a, ksize=[1, 2, 2, 1], # l2 shape=(?, 7, 7, 64) strides=[1, 2, 2, 1], padding=SAME) l2 = tf.nn.dropout(l2, p_keep_conv) l3a = tf.nn.relu(tf.nn.conv2d(l2, w3, # l3a shape=(?, 7, 7, 128) strides=[1, 1, 1, 1], padding=SAME)) l3 = tf.nn.max_pool(l3a, ksize=[1, 2, 2, 1], # l3 shape=(?, 4, 4, 128) strides=[1, 2, 2, 1], padding=SAME) l3 = tf.reshape(l3, [-1, w4.get_shape().as_list()[0]]) # reshape to (?, 2048) l3 = tf.nn.dropout(l3, p_keep_conv) l4 = tf.nn.relu(tf.matmul(l3, w4)) l4 = tf.nn.dropout(l4, p_keep_hidden) pyx = tf.matmul(l4, w_o) return pyxmnist = input_data.read_data_sets("MNIST_data/", one_hot=True)trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labelstrX = trX.reshape(-1, 28, 28, 1) # 28x28x1 input imgteX = teX.reshape(-1, 28, 28, 1) # 28x28x1 input imgX = tf.placeholder("float", [None, 28, 28, 1])Y = tf.placeholder("float", [None, 10])w = init_weights([3, 3, 1, 32]) # 3x3x1 conv, 32 outputsw2 = init_weights([3, 3, 32, 64]) # 3x3x32 conv, 64 outputsw3 = init_weights([3, 3, 64, 128]) # 3x3x32 conv, 128 outputsw4 = init_weights([128 * 4 * 4, 625]) # FC 128 * 4 * 4 inputs, 625 outputsw_o = init_weights([625, 10]) # FC 625 inputs, 10 outputs (labels)p_keep_conv = tf.placeholder("float")p_keep_hidden = tf.placeholder("float")py_x = model(X, w, w2, w3, w4, w_o, p_keep_conv, p_keep_hidden)cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=py_x, labels=Y))train_op = tf.train.RMSPropOptimizer(0.001, 0.9).minimize(cost)predict_op = tf.argmax(py_x, 1)with tf.Session() as sess: # you need to initialize all variables tf.global_variables_initializer().run() for i in range(100): training_batch = zip(range(0, len(trX), batch_size), range(batch_size, len(trX)+1, batch_size)) for start, end in training_batch: sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end], p_keep_conv: 0.8, p_keep_hidden: 0.5}) test_indices = np.arange(len(teX)) # Get A Test Batch np.random.shuffle(test_indices) test_indices = test_indices[0:test_size] print(i, np.mean(np.argmax(teY[test_indices], axis=1) == sess.run(predict_op, feed_dict={X: teX[test_indices], p_keep_conv: 1.0, p_keep_hidden: 1.0})))

我們看下這次的運行數據：

0 0.957031251 0.99218752 0.99218753 0.980468754 0.972656255 0.988281256 0.99609375

在第6輪的時候，就跑出了99.6%的高分值，比ReLU和Dropout的一個隱藏層的神經網路的98.4%大大提高。因為難度是越到後面越困難。

在第16輪的時候，竟然跑出了100%的正確率：

7 0.996093758 0.996093759 0.9882812510 0.9882812511 0.992187512 0.9804687513 0.9960937514 0.992187515 0.9960937516 1.0

綜上，藉助Tensorflow和機器學習工具，我們只有幾十行代碼，就解決了手寫識別這樣級別的問題，而且準確度可以達到如此程度。

下一節，我們回到基礎講起。

原文鏈接

更多技術乾貨敬請關注云棲社區知乎機構號：阿里云云棲社區 - 知乎

推薦閱讀：