初识卷积神经网络CNN

卷积神经网络CNN

全连接神经网络存在的问题:

• 输入的形式应该是列向量，但是卷积神经网络中的输入是图像(2D矩阵)，那么就需要对图片进行展平处理，原本图像中蕴含的空间等信息就被打乱了
• 输入的特征多了，那么神经元的参数就会很多，层的结构就很复杂，容易过拟合

通道数

通道数 是指图像或特征图在深度方向上的维度数量(可以类比全连接神经网络中的特征矩阵的x_i的特征数)

例如:

• 灰度图只有一个通道(特征):亮度
• RGB图像:3个通道(红,绿,蓝)
• RGBA图像:4个通道(红,绿,蓝,透明度)

图像在计算机中的本质

一个大的数值矩阵，每个元素代表像素的亮度或颜色

对于灰度图(只有黑白两色)：255表示亮白，0表示黑，只有一个通道

对于彩色图像

三通道图

整体结构

卷积层

还是与手写数字为例；在密集层中，每个神经元都可以获取到整个的像素矩阵；而在卷积层中，我们让神经元只能获取到一部分像素而不是全部，这个特性被称为局部感知

局部感知的优点

• 计算更快(输入的矩阵更小，那么对于神经元来说，参数的数量大大减小)
• 需要更少的训练数据，更不容易过拟合(参数减少，模型复杂度降低，就不容易过拟合)

卷积层会改变通道的数目，在前一层的输入提取出不同的特征，同时会改变图片的长和宽

卷积核/滤波器

定义：一个在图像上滑动的小窗口，它与图像的局部区域进行点积运算，从而提取出该区域的特征。其实可以类比全连接神经网络的参数w，只不过它是共享的

卷积核是一个4D张量，形状为(C_out,C_in,K,K)

• C_out:输出通道数/卷积核数量
• C_in:输入通道数
• K:卷积核大小(K×K)

案例:心电图信号分类

池化层

池化层可以改变图像的大小，但不改变通道数

卷积运算

对应位置相乘再相加

带偏置的计算过程

权重共享

对于全连接神经网络，输入中的每个特征都对应着一个神经元中的一个参数

而对于卷积神经网络并非这样

卷积神经网络中，是同一个卷积核在整个输入图像上滑动，对所有局部区域使用相同权重参数

• 卷积核的参数在整个图像上是共享的
• 不同位置的局部区域都使用这个相同的卷积核做卷积操作
• 每个位置的输出是该卷积核与对应局部区域的点积结果

填充

为了控制卷积后输出的特征图尺寸；在输入特征图周围填充0

步幅

指卷积核一次移动几格；能够控制输出特征图的大小

eg:步幅为1

步幅为2

卷积运算后特征图大小

$$输出特征图的高OH=\frac{H+2P-FH}{S}+1$$

• H：输入特征图的高
• P:填充的宽度(多了几圈)
• FH:卷积核的高
• S:步幅

$$OW=\frac{W+2P-FW}{S}+1$$

• W：输入特征图的宽
• P:填充的宽度(多了几圈)
• FW:卷积核的宽
• S:步幅

多通道卷积运算

特征图有n通道，卷积核就有n通道

将每个通道的卷积结构相加；有n个卷积核，输出特征图通道数就为n

对于多通道卷积运算，我们可以用立体图表示

• C:输入通道数
• W:输入特征图的宽度
• H:输入特征图的高度
• FW:卷积核宽度
• FH:卷积核高度
• FN:输出通道数/输出的特征图数/卷积核数量

池化运算

池化运算是按通道独立运算的，即池化层运算不会对输入特征图的通道进行改变

池化核

类比卷积运算，我们也可以引入池化核这一概念

与卷积核相同和区别:

• 相同点:都是在特征图上滑动的窗口，并提取信息
• 不同:池化核仅仅是告诉算法要在特征图什么区域提取一块多大的特征，对这块特征取最大值或者平均，而不是和自身进行点积

最大池化运算

每次在区域中找到最大值

平均池化运算

区域内的值相加求平均

优点

• 对微小的位置变化具有鲁棒性，使模型更加健壮

  

输出尺寸

$$\begin{gathered} OH=\frac{H+2P-FH}{S}+1 \\ OW=\frac{W+2P-FW}{S}+1 \end{gathered}$$

• H,W：输入特征图的高、宽
• P:填充的宽度(多了几圈)
• FH,FW:池化核的高、宽
• S:步幅

代码实现

模拟mnist手写数字识别

全部代码

import numpy as np
import tensorflow as tf
from keras.optimizers import Adam
from tensorflow.keras import models, layers, activations# 获取mnist手写数字数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()# 维度改成4维，适配卷积层的输入格式     (60000, 28, 28)->(60000, 28, 28, 1)
x_train = x_train[:, :, :, np.newaxis].astype(float)
x_test = x_test[:, :, :, np.newaxis].astype(float)model = models.Sequential([layers.Conv2D(32,  # 卷积核数量(4, 4),  # 卷积核尺寸activation=activations.relu,  # 经过该层后使用的激活函数，为了引入非线性特征input_shape=(28, 28, 1)  # 与mnist特征的shape相同),layers.MaxPool2D((3, 3)  # 池化核大小),layers.Conv2D(64,  # 卷积核数量(4, 4),  # 卷积核尺寸activation=activations.relu,  # 经过该层后使用的激活函数，为了引入非线性特征),layers.MaxPool2D((3, 3)  # 池化核大小),# 将2D展平为1D才能传入全连接层layers.Flatten(),# 全连接层layers.Dense(units=64,activation=activations.relu),# 输出层layers.Dense(units=10,activation=activations.linear)
])model.compile(loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),  # 稀疏交叉熵损失函数optimizer=Adam()  # adam优化
)model.fit(x_train,y_train,epochs=5,validation_split=0.1  # 每次从训练集中划分10%作为验证集
)# 前向传播值
logits = model(x_train)
y_train_pred = tf.nn.softmax(logits)
print(y_train_pred)# 评估模型
loss = model.evaluate(x_test, y_test)
print(loss)

详解：

用到的库

import numpy as np
import tensorflow as tf
from keras.optimizers import Adam
from tensorflow.keras import models, layers, activations

获取数据集并进行初步处理

# 获取mnist手写数字数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()# 维度改成4维，适配卷积层的输入格式     (60000, 28, 28)->(60000, 28, 28, 1)
x_train = x_train[:, :, :, np.newaxis].astype(float)
x_test = x_test[:, :, :, np.newaxis].astype(float)

卷积层，使用tensorflow.keras.layers.Conv2D()

        layers.Conv2D(32,  # 卷积核数量(4, 4),  # 卷积核尺寸activation=activations.relu,  # 经过该层后使用的激活函数，为了引入非线性特征input_shape=(28, 28, 1)  # 与mnist特征的shape相同),

池化层,使用tensorflow.keras.layers.MaxPool2D() (最大池化运算)

        layers.MaxPool2D((3, 3)  # 池化核大小),

整体结构

model = models.Sequential([layers.Conv2D(32,  # 卷积核数量(4, 4),  # 卷积核尺寸activation=activations.relu,  # 经过该层后使用的激活函数，为了引入非线性特征input_shape=(28, 28, 1)  # 与mnist特征的shape相同),layers.MaxPool2D((3, 3)  # 池化核大小),layers.Conv2D(64,  # 卷积核数量(4, 4),  # 卷积核尺寸activation=activations.relu,  # 经过该层后使用的激活函数，为了引入非线性特征),layers.MaxPool2D((3, 3)  # 池化核大小),# 将2D展平为1D才能传入全连接层layers.Flatten(),# 全连接层layers.Dense(units=64,activation=activations.relu),# 输出层layers.Dense(units=10,activation=activations.linear)
])

编译模型

model.compile(loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),  # 稀疏交叉熵损失函数optimizer=Adam()  # adam优化
)

训练模型

model.fit(x_train,y_train,epochs=5,validation_split=0.1  # 每次从训练集中划分10%作为验证集
)

获取最终损失函数值