numpy 卷积神经网络（Python CNN卷积神经网络实例讲解，CNN实战，CNN代码实例，超实用）

一 
  
  
  
  
  、CNN简介

1. 神经网络基础

输入层（Input layer） 
  
  
  
  
  ，众多神经元（Neuron）接受大量非线形输入讯息 
  
  
  
  
  。输入的讯息称为输入向量
  
  
  
  
  
。

输出层（Output layer）
  
  
  
  
  
，讯息在神经元链接中传输
  
  
  
  
  
、分析
 


 


 


 


 

、权衡
 


 


 


 


 

，形成输出结果
 


 


 


 


 

。输出的讯息称为输出向量 
 
 
 
 
 。

隐藏层（Hidden layer） 
 
 
 
 
 ，简称“隐层          ”
   
   
   
   
   
，是输入层和输出层之间众多神经元和链接组成的各个层面
   
   
   
   
   
。如果有多个隐藏层
 

 

 

 

 
，则意味着多个激活函数
 

 

 

 

 
。

2. 卷积一下哦

卷积神经网络（Convolutional Neural Network 

 

 

 

 

 ，CNN）针对全连接网络的局限做出了修正          ，加入了卷积层（Convolution层）和池化层（Pooling层） 

 

 

 

 

 。通常情况下

 
 

 
 

 
 

 
 

 
 
，卷积神经网络由若干个卷积层（Convolutional Layer） 
 
 
 
 
 、激活层（Activation Layer）
   
   
   
   
   
、池化层（Pooling Layer）及全连接层（Fully Connected Layer）组成          。

下面看怎么卷积的

1.如图









，可以看到：

（1）两个神经元                ，即depth=2
 
 
 
 
 
 
 
 
 
 
，意味着有两个滤波器

 
 

 
 

 
 

 
 

 
 
。

（2）数据窗口每次移动两个步长取3*3的局部数据














，即stride=2









。

（3）边缘填充           ，zero-padding=1
  
 
  
 
  
 
  
 
  
 
，主要为了防止遗漏边缘的像素信息                。

    然后分别以两个滤波器filter为轴滑动数组进行卷积计算









，得到两组不同的结果
 
 
 
 
 
 
 
 
 
 
。

2.如果初看上图 
  
  
  
  
  ，可能不一定能立马理解啥意思
  
  
  
  
  
，但结合上文的内容后
 


 


 


 


 

，理解这个动图已经不是很困难的事情：

（1）左边是输入（7*7*3中 
 
 
 
 
 ，7*7代表图像的像素/长宽
   
   
   
   
   
，3代表R
 

 

 

 

 
、G 

 

 

 

 

 、B 三个颜色通道）

（2）中间部分是两个不同的滤波器Filter w0          、Filter w1

（3）最右边则是两个不同的输出

（4）随着左边数据窗口的平移滑动
 

 

 

 

 
，滤波器Filter w0 / Filter w1对不同的局部数据进行卷积计算














。

局部感知：左边数据在变化 

 

 

 

 

 ，每次滤波器都是针对某一局部的数据窗口进行卷积          ，这就是所谓的CNN中的局部感知机制           。打个比方

 
 

 
 

 
 

 
 

 
 
，滤波器就像一双眼睛









，人类视角有限                ，一眼望去
 
 
 
 
 
 
 
 
 
 
，只能看到这世界的局部
  
 
  
 
  
 
  
 
  
 
。如果一眼就看到全世界














，你会累死           ，而且一下子接受全世界所有信息
  
 
  
 
  
 
  
 
  
 
，你大脑接收不过来









。当然









，即便是看局部 
  
  
  
  
  ，针对局部里的信息人类双眼也是有偏重

 
 

 
 

 
 

 
 

 
 
、偏好的 
  
  
  
  
  。比如看美女
  
  
  
  
  
，对脸









、胸                、腿是重点关注
 


 


 


 


 

，所以这3个输入的权重相对较大
  
  
  
  
  
。

参数共享：数据窗口滑动 
 
 
 
 
 ，导致输入在变化
   
   
   
   
   
，但中间滤波器Filter w0的权重（即每个神经元连接数据窗口的权重）是固定不变的
 

 

 

 

 
，这个权重不变即所谓的CNN中的参数（权重）共享机制
 


 


 


 


 

。

3卷积计算：

图中最左边的三个输入矩阵就是我们的相当于输入d=3时有三个通道图 

 

 

 

 

 ，每个通道图都有一个属于自己通道的卷积核          ，我们可以看到输出（output）的只有两个特征图意味着我们设置的输出的d=2

 
 

 
 

 
 

 
 

 
 
，有几个输出通道就有几层卷积核（比如图中就有FilterW0和FilterW1）









，这意味着我们的卷积核数量就是输入d的个数乘以输出d的个数（图中就是2*3=6个）                ，其中每一层通道图的计算与上文中提到的一层计算相同
 
 
 
 
 
 
 
 
 
 
，再把每一个通道输出的输出再加起来就是绿色的输出数字啦！

举例：

绿色输出的第一个特征图的第一个值：

1通道x[ : :0] 1*1+1*0 = 1 （0像素点省略）

2通道x[ : :1] 1*0+1*(-1)+2*0 = -1

3通道x[ : :2] 2*0 = 0 

b = 1

输出：1+（-1）+ 0 + 1（这个是b）= 1 

绿色输出的第二个特征图的第一个值：

1通道x[ : :0] 1*0+1*0 = 0 （0像素点省略）

2通道x[ : :1] 1*0+1*(-1)+2*0 = -1

3通道x[ : :2] 2*0 = 0 

b = 0

输出：0+（-1）+ 0 + 1（这个是b）= 0

二
 
 
 
 
 
 
 
 
 
 
、CNN实例代码：

import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import torchvision import matplotlib.pyplot as plt

模型训练超参数设置














，构建训练数据：如果你没有源数据           ，那么DOWNLOAD_MNIST=True

#Hyper prameters EPOCH = 2 BATCH_SIZE = 50 LR = 0.001 DOWNLOAD_MNIST = True train_data = torchvision.datasets.MNIST( root =./mnist, train = True, download = DOWNLOAD_MNIST )

数据下载后是不可以直接看的
  
 
  
 
  
 
  
 
  
 
，查看第一张图片数据：

print(train_data.data.size()) print(train_data.targets.size()) print(train_data.data[0])

结果：60000张图片数据









，维度都是28*28 
  
  
  
  
  ，单通道

画一个图片显示出来

# 画一个图片显示出来 plt.imshow(train_data.data[0].numpy(),cmap=gray) plt.title(%i%train_data.targets[0]) plt.show()

结果：

训练和测试数据准备
  
  
  
  
  
，数据导入：

#训练和测试数据准备 train_loader=Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True) test_data=torchvision.datasets.MNIST( root=./mnist, train=False, ) #这里只取前3千个数据吧
 


 


 


 


 

，差不多已经够用了 
 
 
 
 
 ，然后将其归一化 
 
 
 
 
 。 with torch.no_grad(): test_x=Variable(torch.unsqueeze(test_data.data, dim=1)).type(torch.FloatTensor)[:3000]/255 test_y=test_data.targets[:3000]

注意：这里的归一化在此模型中区别不大

构建CNN模型:

开始建立CNN网络 class CNN(nn.Module): def __init__(self): super(CNN,self).__init__() 一般来说
   
   
   
   
   
，卷积网络包括以下内容： 1.卷积层 2.神经网络 3.池化层 self.conv1=nn.Sequential( nn.Conv2d( #--> (1,28,28) in_channels=1, #传入的图片是几层的
 

 

 

 

 
，灰色为1层 

 

 

 

 

 ，RGB为三层 out_channels=16, #输出的图片是几层 kernel_size=5, #代表扫描的区域点为5*5 stride=1, #就是每隔多少步跳一下 padding=2, #边框补全          ，其计算公式=（kernel_size-1）/2=(5-1)/2=2 ), # 2d代表二维卷积 --> (16,28,28) nn.ReLU(), #非线性激活层 nn.MaxPool2d(kernel_size=2), #设定这里的扫描区域为2*2

 
 

 
 

 
 

 
 

 
 
，且取出该2*2中的最大值 --> (16,14,14) ) self.conv2=nn.Sequential( nn.Conv2d( # --> (16,14,14) in_channels=16, #这里的输入是上层的输出为16层 out_channels=32, #在这里我们需要将其输出为32层 kernel_size=5, #代表扫描的区域点为5*5 stride=1, #就是每隔多少步跳一下 padding=2, #边框补全









，其计算公式=（kernel_size-1）/2=(5-1)/2= ), # --> (32,14,14) nn.ReLU(), nn.MaxPool2d(kernel_size=2), #设定这里的扫描区域为2*2                ，且取出该2*2中的最大值 --> (32,7,7)
 
 
 
 
 
 
 
 
 
 
，这里是三维数据 ) self.out=nn.Linear(32*7*7,10) #注意一下这里的数据是二维的数据 def forward(self,x): x=self.conv1(x) x=self.conv2(x) #（batch,32,7,7） #然后接下来进行一下扩展展平的操作














，将三维数据转为二维的数据 x=x.view(x.size(0),-1) #(batch ,32 * 7 * 7) output=self.out(x) return output

把模型实例化打印一下：

cnn=CNN() print(cnn)

结果：

 开始训练：

# 添加优化方法 optimizer=torch.optim.Adam(cnn.parameters(),lr=LR) # 指定损失函数使用交叉信息熵 loss_fn=nn.CrossEntropyLoss() 开始训练我们的模型哦 step=0 for epoch in range(EPOCH): #加载训练数据 for step,data in enumerate(train_loader): x,y=data #分别得到训练数据的x和y的取值 b_x=Variable(x) b_y=Variable(y) output=cnn(b_x) #调用模型预测 loss=loss_fn(output,b_y)#计算损失值 optimizer.zero_grad() #每一次循环之前           ，将梯度清零 loss.backward() #反向传播 optimizer.step() #梯度下降 #每执行50次
  
 
  
 
  
 
  
 
  
 
，输出一下当前epoch














、loss           、accuracy if (step%50==0): #计算一下模型预测正确率 test_output=cnn(test_x) y_pred=torch.max(test_output,1)[1].data.squeeze() accuracy=sum(y_pred==test_y).item()/test_y.size(0) print(now epoch : , epoch, | loss : %.4f % loss.item(), | accuracy : , accuracy) 打印十个测试集的结果 test_output=cnn(test_x[:10]) y_pred=torch.max(test_output,1)[1].data.squeeze() #选取最大可能的数值所在的位置 print(y_pred.tolist(),predecton Result) print(test_y[:10].tolist(),Real Result)

结果：

 卷积层维度变化：

（1）输入1*28*28









，即1通道 
  
  
  
  
  ，28*28维；

（2）卷积层-01：16*28*28
  
  
  
  
  
，即16个卷积核
 


 


 


 


 

，卷积核维度5*5 
 
 
 
 
 ，步长1
   
   
   
   
   
，边缘填充2
 

 

 

 

 
，维度计算公式B = (A + 2*P - K) / S + 1 

 

 

 

 

 ，即（28+2*2-5）/1 +1 = 28

（3）池化层：池化层为2*2          ，所以输出为16*14*14

（4）卷积层-02：32*14*14

 
 

 
 

 
 

 
 

 
 
，即32卷积核









，其它同卷积层-01

（5）池化层：池化层为2*2                ，所以输出为32*7*7；

（6）fc层：由于输出为1*10
 
 
 
 
 
 
 
 
 
 
，即10个类别的概率














，那么首先对最后的池化层进行压缩为二维（1           ，32*7*7）
  
 
  
 
  
 
  
 
  
 
，然后全连接层维度（32*7*7









，10） 
  
  
  
  
  ，最后（1
  
  
  
  
  
，32*7*7）*（32*7*7
 


 


 


 


 

，10）