如上图所示，假设我们有32*32的RBG图片，也就是神经网络的 input 是 32*32*3，表示输入是一个有3个图层的32*32的图片。 假设现在有一个 5*5的 filter处理一个32*32的图层，那么处理后的输出就是一个28*28的图层。现在总共有3个图层，filter需要覆盖这三个图层，因此对于32*32*3的input，filter需要设置为 5*5*3，表示是一个深度为3，长和宽都为5的卷积核。 需要注意的是，使用1个5*5*3的filter处理1个32*32*3的input，输出还是 28*28*1的大小（表示大小为28*28，深度为1的图层）。 在实验中，一个filter对应用来提取 1 种特征，因此一般需要设置多个卷积核提取多个特征。比如上图的第一个CONV层 就是 6 个 5*5*3 的卷积核 ，用于提取 6 种特征。上文已经说过，使用1个filter，则output是一个深度为1的图层。那么这里使用6个filter，则output是一个深度为6的图层。 因此对应上图的第一个CONV层，Input是32*32*3，使用6个5*5*3的filter，output是 28*28*6。
input是一个4为tensor =[batch, height, width, channels]= [样本数量，样本长，样本宽，样本深度（对应图片通道数）]，RGB图像通道数为3，黑白图像通道数为1
strides=[ batch 维度上的滑动步长，样本height方向的滑动步长，样本width方向的滑动步长， channels 维度上的滑动步长 ] 一种常用的经典设置是 strides[0]=strides[3]=1。 strides[0] = 1，也即在 batch 维度上的移动为 1，也就是不跳过任何一个样本，否则当初也不该把它们作为输入（input） strides[3] = 1，也即在 channels 维度上的移动为 1，也就是不跳过任何一个颜色通道；
padding=’SAME’，卷积操作后样本的长和宽不发生改变。 padding=’VALID’，卷积操作后，将样本中不能进行卷积的部分丢掉：
w=[filter的长，filter的宽，input的深度，output的深度]。上文已经介绍，output的深度等于filter的个数。
假设我们使用k*k大小的卷积核对1个n*m的图像运算，在tensorflow里面，我们并不用设置计算图片卷积后的输出大小。我们只需要设置上一层的卷积核个数，及对应下一层的卷积核个数。 1. Input层 例如，我们将一张32*32的RBG图像作为输入，则input = [ 1,32,32,3 ]，第一个1表示图片的数量。 2. 第一个CONV层 接受input的第一个卷积层的filter设置为 w=[filter的长，filter的宽，input的深度，output的深度] = [ 3,3,3,32 ]，其中input的深度就是图片的图层数（RBG图片有3层）。output的深度为32（等于卷积核的个数）。 3. 第二个CONV层 上一个的CONV层的output的深度作为第二层的input深度。假设第二层的卷积核的大小是3*3，output的深度为64，则w=[ 3,3,32,64 ]
(卷积层 - 池化层) - (卷积层 - 池化层) - (卷积层 - 池化层) - 全连接层 - 输出层
''' 这里，我们首先读取数据MNIST，并分别得到训练集的图片和标记的矩阵，以及测试集的图片和标记的矩阵。代码如下： ''' import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images,mnist.test.labels ''' 接着，需要处理输入的数据，把上述 trX 和 teX 的形状变为[-1,28,28,1]，-1 表示不格虑输入图片 的数量，28×28 是图片的长和宽的像素数，1 是通道（channel）数量，因为 MNIST 的图片是黑白的，所以 通道是 1，如果是 RGB 彩色图像，通道是 3。 ''' trX = trX.reshape(-1, 28, 28, 1) # 28x28x1 input img teX = teX.reshape(-1, 28, 28, 1) # 28x28x1 input img X = tf.placeholder("float", [None, 28, 28, 1]) Y = tf.placeholder("float", [None, 10]) '''' 这里，我们将要构建一个拥有 3 个卷积层和 3 个池化层，随后接 1 个全连接层和 1 个输出层的卷积神经网络。 ''' # 首先定义初始化权重的函数： def init_weights(shape): return tf.Variable(tf.random_normal(shape, stddev=0.01)) ''' 初始化权重方法如下，我们设置卷积核的大小为 3×3： ''' # w,patch 大小为 3×3，输入维度为 1，输出维度为 32 w = init_weights([3, 3, 1, 32]) # w2,patch 大小为 3×3，输入维度为 32，输出维度为 64 w2 = init_weights([3, 3, 32, 64]) # w3,patch 大小为 3×3，输入维度为 64，输出维度为 128 w3 = init_weights([3, 3, 64, 128]) # w4,全连接层，输入维度为 128 × 4 × 4(是由上一层的三维输出数据`4*4*128`转变成一维),输出维度为 625 w4 = init_weights([128 * 4 * 4, 625]) # w_o,输出层，输入维度为 625, 输出维度为 10，代表 10 类(labels) w_o = init_weights([625, 10]) ''' 神经网络模型的构建函数，传入以下参数 X：输入数据 w：每一层的权重 p_keep_conv，p_keep_hidden：dropout 要保留的神经元比例 ''' def model(X, w, w2, w3, w4, w_o, p_keep_conv, p_keep_hidden): # 第一组卷积层及池化层，最后 dropout 一些神经元 l1a = tf.nn.relu(tf.nn.conv2d(X, w, strides=[1, 1, 1, 1], padding='SAME')) # l1a shape=(?, 28, 28, 32) l1 = tf.nn.max_pool(l1a, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # l1 shape=(?, 14, 14, 32) l1 = tf.nn.dropout(l1, p_keep_conv) # 第二组卷积层及池化层，最后 dropout 一些神经元 l2a = tf.nn.relu(tf.nn.conv2d(l1, w2, strides=[1, 1, 1, 1], padding='SAME')) # l2a shape=(?, 14, 14, 64) l2 = tf.nn.max_pool(l2a, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # l2 shape=(?, 7, 7, 64) l2 = tf.nn.dropout(l2, p_keep_conv) # 第三组卷积层及池化层，最后 dropout 一些神经元 l3a = tf.nn.relu(tf.nn.conv2d(l2, w3, strides=[1, 1, 1, 1], padding='SAME')) # l3a shape=(?, 7, 7, 128) l3 = tf.nn.max_pool(l3a, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # l3 shape=(?, 4, 4, 128) l3 = tf.reshape(l3, [-1, w4.get_shape().as_list()[0]]) # reshape to (?, 2048) l3 = tf.nn.dropout(l3, p_keep_conv) # 全连接层，最后 dropout 一些神经元 l4 = tf.nn.relu(tf.matmul(l3, w4)) l4 = tf.nn.dropout(l4, p_keep_hidden) # 输出层 pyx = tf.matmul(l4, w_o) return pyx #返回预测值 ''' 我们定义 dropout 的占位符 — keep_conv，它表示在一层中有多少比例的神经元被保留下 来。生成网格模型，得到预测值，如下： ''' p_keep_conv = tf.placeholder("float") p_keep_hidden = tf.placeholder("float") py_x = model(X, w, w2, w3, w4, w_o, p_keep_conv, p_keep_hidden) #得到预测值 ''' 接下来，定义损失函数，这里我们仍然采用 tf.nn.softmax_cross_entropy_with_logits 来比较 预测值和真实值的差异，并做均值处理；定义训练的操作（train_op），采用实现 RMSProp 算法 的优化器 tf.train.RMSPropOptimizer，学习率为 0.001，衰减值为 0.9，使损失最小；定义预测的 操作（predict_op）。具体如下： ''' cost = tf.reduce_mean(tf.nn. softmax_cross_entropy_with_logits_v2(logits=py_x, labels=Y)) train_op = tf.train.RMSPropOptimizer(0.001, 0.9).minimize(cost) ''' 最后输出的`py_x`是一个shape=(?,10)的评分矩阵。每一行对应一个图片属于10个的概率值，tf.argmax(py_x, 1) 就是取出每一行概率值最大的下标。 ''' predict_op = tf.argmax(py_x, 1) ''' 接下来训练模型和评估模型: ''' # 先定义训练时的批次大小和评估时的批次大小 batch_size = 128 test_size = 256 # 在一个会话中启动图，开始训练和评估 with tf.Session() as sess: # you need to initialize all variables tf. global_variables_initializer().run() for i in range(10): training_batch = zip(range(0, len(trX), batch_size), range(batch_size, len(trX)+1, batch_size)) for start, end in training_batch: sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end], p_keep_conv: 0.8, p_keep_hidden: 0.5}) test_indices = np.arange(len(teX)) # Get A Test Batch np.random.shuffle(test_indices) test_indices = test_indices[0:test_size] print(i, np.mean(np.argmax(teY[test_indices], axis=1) == sess.run(predict_op, feed_dict={X: teX[test_indices], p_keep_conv: 1.0, p_keep_hidden: 1.0})))结果： 0 0.953125 1 0.98828125 2 0.9765625 3 0.9921875 4 0.98828125 5 0.99609375 6 0.98828125 7 0.9921875 8 0.9921875 9 0.98828125
