训练个AI模型：MNIST手写数字识别模型

2019-12-25 18:09:34

在上篇文章中，我们已经把AI的基础环境搭建好了（见文章：Ubuntu + conda + tensorflow + GPU + pycharm搭建AI基础环境），接下来将基于tensorflow训练个AI模型：MNIST手写数字识别模型。

MNIST是一个经典的手写数字数据集，来自美国国家标准与技术研究所，由不同人手写的0至9的数字构成，由60000个训练样本集和10000个测试样本集构成，每个样本的尺寸为28x28，以二进制格式存储，如下图所示：

MNIST手写数字识别模型的主要任务是：输入一张手写数字的图像，然后识别图像中手写的是哪个数字。

该模型的目标明确、任务简单，数据集规范、统一，数据量大小适中，在普通的PC电脑上都能训练和识别，堪称是深度学习领域的“Hello World!”，学习AI的入门必备模型。

0、AI建模主要步骤

在构建AI模型时，一般有以下主要步骤：准备数据、数据预处理、划分数据集、配置模型、训练模型、评估优化、模型应用，如下图所示：

下面将按照主要步骤进行介绍。

【注意】由于MNIST数据集太经典了，很多深度学习书籍在介绍该入门模型案例时，基本上就是直接下载获取数据，然后就进行模型训练，后得出一个准确率出来。但这样的入门案例学习后，当要拿自己的数据来训练模型，却往往不知该如何处理数据、如何训练、如何应用。在本文，将分两种情况进行介绍：（1）使用MNIST数据（本案例），（2）使用自己的数据。

下面将针对模型训练的各个主要环节进行介绍，便于读者快速迁移去训练自己的数据模型。

1、准确数据

准备数据是训练模型的步，基础数据可以是网上公开的数据集，也可以是自己的数据集。视觉、语音、语言等各种类型的数据在网上都能找到相应的数据集。

（1）使用MNIST数据（本案例）

MNIST数据集由于非常经典，已集成在tensorflow里面，可以直接加载使用，也可以从MNIST的官网上（http://yann.lecun.com/exdb/mnist/）直接下载数据集，代码如下：

fromtensorflow.examples.tutorials.mnistimportinput_data# 数据集路径data_dir='/home/roger/data/work/tensorflow/data/mnist'# 自动下载 MNIST 数据集mnist = input_data.read_data_sets(data_dir, one_hot=True)# 如果自动下载失败，则手工从官网上下载 MNIST 数据集，然后进行加载# 下载地址 http://yann.lecun.com/exdb/mnist/#mnist=input_data.read_data_sets(data_dir,one_hot=True)

集成或下载的MNIST数据集已经是打好标签了，直接使用就行。

（2）使用自己的数据

如果是使用自己的数据集，在准备数据时的重要工作是“标注数据”，也就是对数据进行打标签，主要的标注方式有：

① 整个文件打标签。例如MNIST数据集，每个图像只有1个数字，可以从0至9建10个文件夹，里面放相应数字的图像；也可以定义一个规则对图像进行命名，如按标签+序号命名；还可以在数据库里面创建一张对应表，存储文件名与标签之间的关联关系。如下图：

② 圈定区域打标签。例如ImageNet的物体识别数据集，由于每张图片上有各种物体，这些物体位于不同位置，因此需要圈定某个区域进行标注，目前比较流行的是VOC2007、VOC2012数据格式，这是使用xml文件保存图片中某个物体的名称（name）和位置信息（xmin,ymin,xmax,ymax）。

如果图片很多，一张一张去计算位置信息，然后编写xml文件，实在是太耗时耗力了。所幸，有一位大神开源了一个数据标注工具labelImg（https://github.com/tzutalin/labelImg），只要在界面上画框标注，就能自动生成VOC格式的xml文件了，非常方便，如下图所示：

③ 数据截段打标签。针对语音识别、文字识别等，有些是将数据截成一段一段的语音或句子，然后在另外的文件中记录对应的标签信息。

2、数据预处理

在准备好基础数据之后，需要根据模型需要对基础数据进行相应的预处理。

（1）使用MNIST数据（本案例）

由于MNIST数据集的尺寸统一，只有黑白两种像素，无须再进行额外的预处理，直接拿来建模型就行。

（2）使用自己的数据

而如果是要训练自己的数据，根据模型需要一般要进行以下预处理：

a. 统一格式：即统一基础数据的格式，例如图像数据集，则全部统一为jpg格式；语音数据集，则全部统一为wav格式；文字数据集，则全部统一为UTF-8的纯文本格式等，方便模型的处理；

b. 调整尺寸：根据模型的输入要求，将样本数据全部调整为统一尺寸。例如LeNet模型是32x32，AlexNet是224x224，VGG是224x224等；

c. 灰度化：根据模型需要，有些要求输入灰度图像，有些要求输入RGB彩色图像；

d. 去噪平滑：为提升输入图像的质量，对图像进行去噪平滑处理，可使用中值滤波器、高斯滤波器等进行图像的去噪处理。如果训练数据集的图像质量很好了，则无须作去噪处理；

e. 其它处理：根据模型需要进行直方图均衡化、二值化、腐蚀、膨胀等相关的处理；

f. 样本增强：有一种观点认为神经网络是靠数据喂出来的，如果能够增加训练数据的样本量，提供海量数据进行训练，则能够有效提升算法的质量。常见的样本增强方式有：水平翻转图像、随机裁剪、平移变换，颜色、光照变换等，如下图所示：

3、划分数据集

在训练模型之前，需要将样本数据划分为训练集、测试集，有些情况下还会划分为训练集、测试集、验证集。

（1）使用MNIST数据（本案例）

本案例要训练模型的MNIST数据集，已经提供了训练集、测试集，代码如下：

# 提取训练集、测试集train_xdata = mnist.train.imagestest_xdata = mnist.test.images# 提取标签数据train_labels = mnist.train.labelstest_labels = mnist.test.labels

（2）使用自己的数据

如果是要划分自己的数据集，可使用scikit-learn工具进行划分，代码如下：

fromsklearn.cross_validationimporttrain_test_split# 随机选取75%的数据作为训练样本，其余25%的数据作为测试样本# X_data：数据集# y_labels：数据集对应的标签X_train,X_test,y_train,y_test=train_test_split(X_data,y_labels,test_size=0.25,random_state=33)

4、配置模型

接下来是选择模型、配置模型参数，建议先阅读深度学习经典模型的文章（见文章：大话卷积神经网络模型），便于快速掌握深度学习模型的相关知识。

（1）选择模型

本案例将采用LeNet模型来训练MNIST手写数字模型，LeNet是一个经典卷积神经网络模型，结构简单，针对MNIST这种简单的数据集可达到比较好的效果，LeNet模型的原理介绍请见文章（大话CNN经典模型：LeNet），网络结构图如下：

（2）设置参数

在训练模型时，一般要设置的参数有：

step_cnt=10000# 训练模型的迭代步数batch_size =100# 每次迭代批量取样本数据的量learning_rate =0.001# 学习率

除此之外还有卷积层权重和偏置、池化层权重、全联接层权重和偏置、优化函数等等，根据模型需要进行设置。

5、训练模型

接下来便是根据选择好的模型，构建网络，然后开始训练。

（1）构建模型

本案例按照LeNet的网络模型结构，构建网络模型，网络结果如下

代码如下：

# 训练数据，占位符x = tf.placeholder("float", shape=[None,784])# 训练的标签数据，占位符y_ = tf.placeholder("float", shape=[None,10])# 将样本数据转为28x28x_image = tf.reshape(x, [-1,28,28,1])# 保留概率，用于 dropout 层keep_prob = tf.placeholder(tf.float32)# 层：卷积层# 卷积核尺寸为5x5，通道数为1，深度为32，移动步长为1，采用ReLU激励函数conv1_weights = tf.get_variable("conv1_weights", [5,5,1,32], initializer=tf.truncated_normal_initializer(stddev=0.1))conv1_biases = tf.get_variable("conv1_biases", [32], initializer=tf.constant_initializer(0.0))conv1 = tf.nn.conv2d(x_image, conv1_weights, strides=[1,1,1,1], padding='SAME')relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))# 第二层：大池化层# 池化核的尺寸为2x2，移动步长为2，使用全0填充pool1 = tf.nn.max_pool(relu1, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')# 第三层：卷积层# 卷积核尺寸为5x5，通道数为32，深度为64，移动步长为1，采用ReLU激励函数conv2_weights = tf.get_variable("conv2_weights", [5,5,32,64], initializer=tf.truncated_normal_initializer(stddev=0.1))conv2_biases = tf.get_variable("conv2_biases", [64], initializer=tf.constant_initializer(0.0))conv2 = tf.nn.conv2d(pool1, conv2_weights, strides=[1,1,1,1], padding='SAME')relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))# 第四层：大池化层# 池化核尺寸为2x2, 移动步长为2，使用全0填充pool2 = tf.nn.max_pool(relu2, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')# 第五层：全连接层fc1_weights = tf.get_variable("fc1_weights", [7*7*64,1024], initializer=tf.truncated_normal_initializer(stddev=0.1))fc1_baises = tf.get_variable("fc1_baises", [1024], initializer=tf.constant_initializer(0.1))pool2_vector = tf.reshape(pool2, [-1,7*7*64])fc1 = tf.nn.relu(tf.matmul(pool2_vector, fc1_weights) + fc1_baises)# Dropout层（即按keep_prob的概率保留数据，其它丢弃），以防止过拟合fc1_dropout = tf.nn.dropout(fc1, keep_prob)# 第六层：全连接层fc2_weights = tf.get_variable("fc2_weights", [1024,10], initializer=tf.truncated_normal_initializer(stddev=0.1))# 神经元节点数1024, 分类节点10fc2_biases = tf.get_variable("fc2_biases", [10], initializer=tf.constant_initializer(0.1))fc2 = tf.matmul(fc1_dropout, fc2_weights) + fc2_biases# 第七层：输出层y_conv = tf.nn.softmax(fc2)

（2）训练模型

在训练模型时，需要选择优化器，也就是说要告诉模型以什么策略来提升模型的准确率，一般是选择交叉熵损失函数，然后使用优化器在反向传播时小化损失函数，从而使模型的质量在不断迭代中逐步提升。

代码如下：

# 定义交叉熵损失函数# y_ 为真实标签cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices=[1]))# 选择优化器，使优化器小化损失函数train_step = tf.train.AdamOptimizer(learning_rate).minimize(cross_entropy)# 返回模型预测的大概率的结果，并与真实值作比较correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))# 用平均值来统计测试准确率accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))# 训练模型saver=tf.train.Saver()withtf.Session()assess: tf.global_variables_initializer().run()forstepinrange(step_cnt): batch = mnist.train.next_batch(batch_size)ifstep %100==0:# 每迭代100步进行一次评估，输出结果，保存模型，便于及时了解模型训练进展train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob:1.0}) print("step %d, training accuracy %g"% (step, train_accuracy)) saver.save(sess,model_dir+'/my_mnist_model.ctpk',global_step=step) train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob:0.8})# 使用测试数据测试准确率print("test accuracy %g"% accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob:1.0}))

训练的结果如下，由于MNIST数据集比较简单，模型训练很快就达到99%的准确率，如下图所示：

模型训练后保存的结果如下图所示：

6、评估优化

在使用训练数据完成模型的训练之后，再使用测试数据进行测试，了解模型的泛化能力，代码如下

# 使用测试数据测试准确率test_acc=accuracy.eval(feed_dict={x: test_xdata, y_: test_labels, keep_prob:1.0})print("test accuracy %g"%test_acc)

模型测试结果如下：

7、模型应用

模型训练完成后，将模型保存起来，当要实际应用时，则通过加载模型，输入图像进行应用。代码如下：

# 加载 MNIST 模型saver = tf.train.Saver()withtf.Session()assess: saver.restore(sess, tf.train.latest_checkpoint(model_dir))# 随机提取 MNIST 测试集的一个样本数据和标签test_len=len(mnist.test.images) test_idx=random.randint(0,test_len-1) x_image=mnist.test.images[test_idx] y=np.argmax(mnist.test.labels[test_idx])# 跑模型进行识别y_conv = tf.argmax(y_conv,1) pred=sess.run(y_conv,feed_dict={x:[x_image], keep_prob:1.0}) print('正确：',y,'，预测：',pred[0])

使用模型进行测试的结果如下图：