使用Inception思想實現一個簡單的CIFAR-10十分類.最主要的是領會Inception的結構. Inception結構圖如下: 思想: 　　分別使用1*1,3*3,5*5卷積核和一個3*3最大池化層對上一層進行處理,然後將輸入進行合併. 　　需要注意的是,因為最大池化之後,寬高都會發生變化,在合併的時候會出現問題,所以需要使用tf.pad()進行補齊. 上程式碼:

# -*- coding:utf-8 -*-

"""
@author:老艾
@file: neuton.py
@time: 2018/08/22
"""

import tensorflow as tf
import
 
  os
import numpy as np
import pickle

# 檔案存放目錄
CIFAR_DIR = "./cifar-10-batches-py"


def load_data( filename ):
    '''read data from data file'''
    with open( filename, 'rb' ) as f:
        data = pickle.load( f, encoding='bytes' ) # python3 需要新增上encoding='bytes'
        return data[b'data'], data[b'labels'
 
] # 並且 在 key 前需要加上 b

class CifarData:
    def __init__( self, filenames, need_shuffle ):
        '''引數1:資料夾 引數2:是否需要隨機打亂'''
        all_data = []
        all_labels = []

        for filename in filenames:
            # 將所有的資料,標籤分別存放在兩個list中
            data, labels = load_data( filename )
            all_data.append( data )
            all_labels.append( labels )

        # 將列表 組成 一個numpy型別的矩陣!!!!
 

        self._data = np.vstack(all_data)
        # 對資料進行歸一化, 尺度固定在 [-1, 1] 之間
        self._data = self._data / 127.5 - 1
        # 將列表,變成一個 numpy 陣列
        self._labels = np.hstack( all_labels )
        # 記錄當前的樣本 數量
        self._num_examples = self._data.shape[0]
        # 儲存是否需要隨機打亂
        self._need_shuffle = need_shuffle
        # 樣本的起始點
        self._indicator = 0
        # 判斷是否需要打亂
        if self._need_shuffle:
            self._shffle_data()

    def _shffle_data( self ):
        # np.random.permutation() 從 0 到 引數,隨機打亂
        p = np.random.permutation( self._num_examples )
        # 儲存 已經打亂 順序的資料
        self._data = self._data[p]
        self._labels = self._labels[p]

    def next_batch( self, batch_size ):
        '''return batch_size example as a batch'''
        # 開始點 + 數量 = 結束點
        end_indictor = self._indicator + batch_size
        # 如果結束點大於樣本數量
        if end_indictor > self._num_examples:
            if self._need_shuffle:
                # 重新打亂
                self._shffle_data()
                # 開始點歸零,從頭再來
                self._indicator = 0
                # 重新指定 結束點. 和上面的那一句,說白了就是重新開始
                end_indictor = batch_size # 其實就是 0 + batch_size, 把 0 省略了
            else:
                raise Exception( "have no more examples" )
        # 再次檢視是否 超出邊界了
        if end_indictor > self._num_examples:
            raise Exception( "batch size is larger than all example" )

        # 把 batch 區間 的data和label儲存,並最後return
        batch_data = self._data[self._indicator:end_indictor]
        batch_labels = self._labels[self._indicator:end_indictor]
        self._indicator = end_indictor
        return batch_data, batch_labels

# 拿到所有檔名稱
train_filename = [os.path.join(CIFAR_DIR, 'data_batch_%d' % i) for i in range(1, 6)]
# 拿到標籤
test_filename = [os.path.join(CIFAR_DIR, 'test_batch')]

# 拿到訓練資料和測試資料
train_data = CifarData( train_filename, True )
test_data = CifarData( test_filename, False )


def inception_block(x, output_channel_for_each_path, name):
    '''
    inception結構函式
    :param x: tensor
    :param output_channel_for_each_path: 每一個組輸出通道數 結構: eg: [10, 20, 5]
    :param name: 防止重新命名
    :return: 已經合併好的tensor
    '''
    with tf.variable_scope(name):
        conv1_1 = tf.layers.conv2d(x,
                                   output_channel_for_each_path[0],
                                   (1, 1),
                                   strides = (1, 1),
                                   padding = 'same',
                                   activation = tf.nn.relu,
                                   name = 'conv1_1'
                                   )
        conv3_3 = tf.layers.conv2d(x,
                                   output_channel_for_each_path[1],
                                   (3, 3),
                                   strides=(1, 1),
                                   padding='same',
                                   activation=tf.nn.relu,
                                   name='conv3_3'
                                   )
        conv5_5 = tf.layers.conv2d(x,
                                   output_channel_for_each_path[2],
                                   (5, 5),
                                   strides=(1, 1),
                                   padding='same',
                                   activation=tf.nn.relu,
                                   name='conv5_5'
                                   )
        max_pooling = tf.layers.max_pooling2d(x,
                                              (2, 2),
                                              (2, 2),
                                              name = 'max_pooling'
                                              )

    # 因為池化層之後,寬高都變成了之前的一半,所以需要 tf.pad 進行補齊
    max_pooling_shape = max_pooling.get_shape().as_list()[1:]
    input_shape = x.get_shape().as_list()[1:]

    width_padding = (input_shape[0] - max_pooling_shape[0]) // 2
    height_padding = (input_shape[0] - max_pooling_shape[0]) // 2

    padding_pooling = tf.pad(max_pooling,
                             [
                                 [0, 0],
                                 [width_padding, width_padding],
                                 [height_padding, height_padding],
                                 [0, 0]
                              ]
                             )
    # 接下來需要將 三個 卷積層 和 一個 池化層 拼接在一起,axis 是指定按照第幾維合併
    # 本實驗其實就是把第四維進行合併
    concat_layer = tf.concat([conv1_1, conv3_3, conv5_5, padding_pooling], axis = 3)
    # axis = 3 第四個維度上合併,也就是在通道上合併

    return concat_layer

# 設計計算圖
# 形狀 [None, 3072] 3072 是 樣本的維數, None 代表位置的樣本數量
x = tf.placeholder( tf.float32, [None, 3072] )
# 形狀 [None] y的數量和x的樣本數是對應的
y = tf.placeholder( tf.int64, [None] )

# [None, ], eg: [0, 5, 6, 3]
x_image = tf.reshape( x, [-1, 3, 32, 32] )
# 將最開始的向量式的圖片,轉為真實的圖片型別
x_image = tf.transpose( x_image, perm= [0, 2, 3, 1] )

# conv1:神經元 feature_map 輸出影象  影象大小: 32 * 32
conv1 = tf.layers.conv2d( x_image,
                          32, # 輸出的通道數(也就是卷積核的數量)
                          ( 3, 3 ), # 卷積核大小
                          padding = 'same',
                          activation = tf.nn.relu,
                          name = 'conv1'
                          )
# 池化層 影象輸出為: 16 * 16
pooling1 = tf.layers.max_pooling2d( conv1,
                                    ( 2, 2 ), # 核大小 變為原來的 1/2
                                    ( 2, 2 ), # 步長
                                    name='pool1'
                                    )

inception_2a = inception_block(pooling1,
                               [16, 16, 16],
                               name = 'inception_2a'
                               )
inception_2b = inception_block(inception_2a,
                               [16, 16, 16],
                               name = 'inception_2b'
                               )

pooling2 = tf.layers.max_pooling2d( inception_2b,
                                    ( 2, 2 ), # 核大小 變為原來的 1/2
                                    ( 2, 2 ), # 步長
                                    name='pool2'
                                    )

inception_3a = inception_block(pooling2,
                               [16, 16, 16],
                               name = 'inception_3a'
                               )
inception_3b = inception_block(inception_3a,
                               [16, 16, 16],
                               name = 'inception_3b'
                               )

pooling3 = tf.layers.max_pooling2d( inception_3b,
                                    ( 2, 2 ), # 核大小 變為原來的 1/2
                                    ( 2, 2 ), # 步長
                                    name='pool3'
                                    )


flatten = tf.contrib.layers.flatten(pooling3)
y_ = tf.layers.dense(flatten, 10)


# 使用交叉熵 設定損失函式
loss = tf.losses.sparse_softmax_cross_entropy( labels = y, logits = y_ )
# 該api,做了三件事兒 1. y_ -> softmax 2. y -> one_hot 3. loss = ylogy

# 預測值 獲得的是 每一行上 最大值的 索引.注意:tf.argmax()的用法,其實和 np.argmax() 一樣的
predict = tf.argmax( y_, 1 )
# 將布林值轉化為int型別,也就是 0 或者 1, 然後再和真實值進行比較. tf.equal() 返回值是布林型別
correct_prediction = tf.equal( predict, y )
# 比如說第一行最大值索引是6,說明是第六個分類.而y正好也是6,說明預測正確



# 將上句的布林型別 轉化為 浮點型別,然後進行求平均值,實際上就是求出了準確率
accuracy = tf.reduce_mean( tf.cast(correct_prediction, tf.float64) )

with tf.name_scope( 'train_op' ): # tf.name_scope() 這個方法的作用不太明白(有點迷糊!)
    train_op = tf.train.AdamOptimizer( 1e-3 ).minimize( loss ) # 將 損失函式 降到 最低

# 初始化變數
init = tf.global_variables_initializer()

batch_size = 20
train_steps = 100000
test_steps = 100
with tf.Session() as sess:
    sess.run( init ) # 注意: 這一步必須要有!!
    # 開始訓練
    for i in range( train_steps ):
        # 得到batch
        batch_data, batch_labels = train_data.next_batch( batch_size )
        # 獲得 損失值, 準確率
        loss_val, acc_val, _ = sess.run( [loss, accuracy, train_op], feed_dict={x:batch_data, y:batch_labels} )
        # 每 500 次 輸出一條資訊
        if ( i+1 ) % 500 == 0:
            print('[Train] Step: %d, loss: %4.5f, acc: %4.5f' % ( i+1, loss_val, acc_val ))
        # 每 5000 次 進行一次 測試
        if ( i+1 ) % 5000 == 0:
            # 獲取資料集,但不隨機
            test_data = CifarData( test_filename, False )
            all_test_acc_val = []
            for j in range( test_steps ):
                test_batch_data, test_batch_labels = test_data.next_batch( batch_size )
                test_acc_val = sess.run( [accuracy], feed_dict={ x:test_batch_data, y:test_batch_labels } )
                all_test_acc_val.append( test_acc_val )
            test_acc = np.mean( all_test_acc_val )

            print('[Test ] Step: %d, acc: %4.5f' % ( (i+1), test_acc ))



'''
訓練一萬次的最終結果:
=====================================================
[Train] Step: 10000, loss: 0.79420, acc: 0.75000
[Test ] Step: 10000, acc: 0.74150
=====================================================
'''