当前位置：首页 > article >正文

第T1周：Tensorflow实现mnist手写数字识别

article 2024/11/15 5:50:58

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊

目标：

具体实现：
（一）环境：
语言环境：Python 3.10
编译器: PyCharm
框架： TensorFlow
**（二）具体步骤：

安装TensorFlow
第一次使用这个框架，先安装，打开官网：TensorFlow：

# 先把PIP升级到最新版本
$ pip install --upgrade pip  
# 安装稳定版，支持CPU和GPU
$ pip install tensorflow

演示一下官方的代码看看能不能跑(我也看不懂是什么意思，就当是hello world，看看TF正常不):

跑成功了（下图），那说明我们安装也成功了。

下面就通过具体代码来熟悉熟悉TF的使用。
2. 使用TensorFlow实现MNIST手写数字识别
2.1 设置GPU
一上来就整高阶的GPU运算，大家如果没有显卡，可以使用CPU（应该默认就是使用CPU），那么本步骤可以直接忽略.

import tensorflow as tf  
print("可用的GPU数量: ", len(tf.config.list_physical_devices('GPU')))

我的机器明明有显卡，但是显示0，不管了，后面再研究。
选择GPU的代码：

import tensorflow as tf  
print("可用的GPU数量: ", len(tf.config.list_physical_devices('GPU')))  
  
gpus = tf.config.list_physical_devices("GPU")  
  
if gpus:  
    gpu0 = gpus[0]  # 如果有多个GPU，则使用第0个GPU  
    tf.config.experiment.set_memory_growth(gpu0, True)  
    tf.config.set_variable_device([gpu0], "GPU")

2.2 导入MINST数据

from tensorflow.keras import datasets, layers, models
# 导入mnist数据，依次分别为训练集图片、训练集标签、测试集图片、测试集标签  
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()

2.3 归一化

# 归一化  
train_images, test_images = train_images / 255.0, test_images / 255.0  
#查看数据形状
print('train_images.shape：', train_images.shape)  
print('test_images.shape: ', test_images.shape)  
print('train_labels: ', train_labels.shape)  
print('test_labels: ', test_labels.shape)

2.4 把数据可视化看看

# 显示数据集前50个图片数据看看  
plt.figure(figsize=(20, 10))  # 将图片显示大小设置为 20宽，10长的大小 ，单位英寸(inch)  
# 遍历MNIST数据集，下标0-49  
for i in range(50):  
    # 将整个figure分成5行10列，绘制第i+1个子图  
    plt.subplot(5, 10, i+1)  
    plt.xticks([])  # 不显示X轴刻度  
    plt.yticks([])  # 不显示Y轴刻度  
    plt.grid(False)     # 不显示网格线  
    plt.imshow(train_images[i], cmap=plt.cm.binary)  # 显示图片  
    plt.xlabel(train_labels[i])  # 显示图片对应的数字（标签）  
  
plt.show()

2.5 调整图片格式（数据形状）
为啥要调整图片格式呢，导入数据的时候，图片的形状是这样的（60000， 28，28）意思是有6000张28X28像素的图片，现在要调整成（60000， 28， 28， 1）的形状，为啥要调整形状？因为神经网络使用的数量（图像表）它的形状应该是（样本数、宽、高、通道数），对应到（60000， 28， 28）就是样本数60000张图片，宽28，高28都有了，差一个通道数。按我的理解，MNIST数据集图片是单通道图片，因此后面应该通道数是1。可以先学习一下什么叫张量表示（张量简介 | TensorFlow Core）：

再理解一张图片，通常是由RGB三通道构成的，如下：

# 调整数据格式,使用reshape来调整  
test_images = test_images.reshape((60000, 28, 28, 1))  
train_images = train_images.reshape((60000, 28, 28, 1))  
  
# 查看数据形状  
print('train_images.shape：', train_images.shape)  
print('test_images.shape: ', test_images.shape)  
print('train_labels: ', train_labels.shape)  
print('test_labels: ', test_labels.shape)

格式已经调整过来了。有人可能问train_labels和test_labels怎么不调整格式，记住这两个不是图片，是标签值，不用调整。
2.6 构建CNN网络模型(重头戏)
CNN的概念：Convolutional Neural Network，卷积神经网络）是一种前馈神经网络，特别适用于处理具有网格结构的数据，如图像或时间序列数据。CNN最初是为‌图像识别任务而设计的，但后来也被广泛应用于其他领域。
CNN的工作原理：CNN通过一系列方法成功将数据量庞大的图像识别问题不断降维，最终使其能够被训练。其工作原理主要包括以下几个部分：

‌卷积层‌：用于提取输入数据的局部特征。
‌池化层‌：用于降低特征的空间维度，减少计算量。
‌全连接层‌：用于分类或回归任务。
CNN的特点包括局部连接、权重共享和空间层次结构，这些特点使得CNN在处理图像等数据时非常高效。
CNN的应用领域:由于CNN在图像识别方面的出色表现，它已经被广泛应用于各种图像处理任务中。此外，CNN也被应用于‌自然语言处理和‌语音识别等领域。近年来，随着‌深度学习的发展，CNN已经成为图像分类的黄金标准。
CNN的构建：话说把一头大像装冰箱总共需要几步，也是三步：第一步打开冰箱门，第二步放进冰箱（怎么装时冰箱的你别管），第三步关上冰箱门。CNN的构建简单来讲就是三步，第一步准备数据集(输入层),第二步做卷积运算（怎么运算的，目前还是一个黑盒子）,第三步是输出结果（输出层，我们期望它输出的内容）。输入和输出大家都已经清楚了，就是这个第二步一直没闹明白，这个黑盒子内部是怎么搞的，就这么神奇的实现了各种分类，归类。今天就是来实现第二步，看看怎么搞出来的。
CNN的模型：其实第二步的黑盒子就是神经网络模型，而模型有千千万（你自己也可以搞,只是效果怎么样就不知道了），知名的有：

TF框架给了我们搭建模型的方法，我们就找一个模型来试试：

从左到右，一步一步通过TF的方法来实现这个神经网络模型，代码中解释：

  
# 搭建模型  
model = models.Sequential([  
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),  
    layers.MaxPooling2D((2, 2)),  
    layers.Conv2D(64, (3, 3), activation='relu'),  
    layers.MaxPooling2D((2, 2)),  
  
    layers.Flatten(),  
    layers.Dense(64, activation='relu'),  
    layers.Dense(10)  
])  
  
# 打印网络结构  
print(model.summary())

解释:
Conv2D:二维卷积层，基本都用这个。
activation=‘relu’：激活函数使用ReLu函数。
MaxPooling2D: 池化层
Flatten：连接卷积层和全连接层。把张量展平。
Dense: 全连接层和输出层

2.6 编译模型

# 编译模型  
model.compile(  
    optimizer="adam",   # 设置优化器为Adam优化器  
    # 设置损失函数为交叉熵损失函数（tf.keras.losses.SparseCategoricalCrossentropy()）  
    # from_logits为True时，会将y_pred转化为概率（用softmax），否则不进行转换，通常情况下用True结果更稳定  
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),  
    # 设置性能指标列表，将在模型训练时监控列表中的指标  
    metrics=['accuracy']

2.7 训练模型

# 训练模型  
history = model.fit(  
    # 输入训练集数据  
    train_images,  
    # 输入训练集标签  
    train_labels,  
    # 设置epoch为10，第一个epoch将会把所有数据输入模型完成一次训练  
    epochs=10,  
    # 设置验证集  
    validation_data=(test_images, test_labels)  
)

2.8 用这个网络模型来进行预测吧
找一张test_images里的照片先预测一下，看实际图片是什么：

plt.imshow(test_images[1])   # 上面的代码中test_images已经归一化了，可能显示不出来，可以使用归一化前的test_images看图片

拿这张照片预测一下：

pre = model.predict(test_images)  
print(pre[1])

数值最大的是第3个数，按照对应，第3个数就是2（0，1，2…这个顺序）。所以预测是对的。
改进一下，直观一点：

# 预测  
print(test_images[1].shape)  
plt.imshow(test_images[1].reshape(28, 28))  
pre = model.predict(test_images)  
print(pre[1])  
print("预测结果是：", np.argmax(pre[1]))