转载自:https://blog.csdn.net/dong_lxkm/article/details/80575207

一、前言

    最近一直在研究深度学习,联想起之前所学,感叹数学是一门朴素而神奇的科学。F=G*m1*m2/r²万有引力描述了宇宙星河运转的规律,E=mc²描述了恒星发光的奥秘,V=H*d哈勃定律描述了宇宙膨胀的奥秘,自然界的大部分现象和规律都可以用数学函数来描述,也就是可以求得一个函数。

    神经网络(《简单又复杂的人工神经网络》)可以逼近任何连续的函数,那么神经网络就有无限的泛化能力。对于大部分分类问题而言,本质就是求得一个函数y=f(x),例如:对于图像识别而言就是求得一个以像素张量为自变量的函数y=F(像素张量),其中y=猫、狗、花、汽车等等;对于文本情感分析而言,就是为了求得一个以词向量或者段落向量为自变量的函数y=F(词向量),其中y=正面、负面等等……

二、导读

    本篇博客包括以下内容:

    1、卷积神经网络的原理

    2、基于dl4j定型一个卷积神经网络来进行手写数字识别

三、卷积神经网络原理

    下面左边有个9*9的网格,红色填充的部分构成了数字7,把红色部分填上1,空白部分填上0,就构成了一个二维矩阵,传统做法可以用求向量距离,如果数字全部都标准的写在网格中相同的位置,那么肯定是准确的,但是,实际上数字7在书写的过程中,可能偏左一点、偏右一点,变形扭曲一点,这时候就难以识别。另外,一幅图片的像素点的数量是巨大的,例如一幅50*50的图片将有2500个像素点,每个像素点有R、G、B三个维度的颜色,那么输入参数的个数有7500个,这个运算量是巨大的。

    卷积神经网络通俗解读              卷积神经网络通俗解读

    那么就需要有一个抽象特征、降低数据维度的方法,这就说到了卷积运算,用一个小于图片的卷积核扫过整幅图片求点积。卷积的过程看下图。图片来源于https://my.oschina.net/u/876354/blog/1620906

    卷积神经网络通俗解读

    卷积运算的过程在于寻找图片中的显著特征,并达到降维的目的,整个过程相当于一个函数扫过另一个函数,扫过时两个函数的积分重叠部分并没改变图片的特征形状,并可以降低维度,另外还可以分区块来提取特征,并且拼接特征。

卷积神经网络通俗解读

    为了进一步降低维度,引入了池化,池化的方式有很多,如最大值,平均值。下图展示了一个步长为2的2*2最大池化过程,用一个2*2的方块扫描过,求Max,总共扫描4次,4次扫描的最大值分别是6、8、3、4。

卷积神经网络通俗解读

    最后,经过多层卷积和池化之后,会得到一个矩阵,该矩阵作为一个全连接网络的输入,在逼近一个函数,就识别出数字了,以上图得到的6、8、3、4为例,全连接网络求一个函数。

卷积神经网络通俗解读

四、deeplearning4j手写体识别

    1、先下载mnist数据集,地址如下:

       http://github.com/myleott/mnist_png/raw/master/mnist_png.tar.gz

    2、解压(我解压在E盘)

    3、训练网络,评估(一些比较难的部分都做了注释)

  1.  
    public class MnistClassifier {
  2.  
     
  3.  
    private static final Logger log = LoggerFactory.getLogger(MnistClassifier.class);
  4.  
    private static final String basePath = "E:";
  5.  
     
  6.  
    public static void main(String[] args) throws Exception {
  7.  
    int height = 28;
  8.  
    int width = 28;
  9.  
    int channels = 1; // 这里有没有复杂的识别,没有分成红绿蓝三个通道
  10.  
    int outputNum = 10; // 有十个数字,所以输出为10
  11.  
    int batchSize = 54;//每次迭代取54张小批量来训练,可以查阅神经网络的mini batch相关优化,也就是小批量求平均梯度
  12.  
    int nEpochs = 1;//整个样本集只训练一次
  13.  
    int iterations = 1;
  14.  
     
  15.  
    int seed = 1234;
  16.  
    Random randNumGen = new Random(seed);
  17.  
     
  18.  
    File trainData = new File(basePath + "/mnist_png/training");
  19.  
    FileSplit trainSplit = new FileSplit(trainData, NativeImageLoader.ALLOWED_FORMATS, randNumGen);
  20.  
    ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator(); //以父级目录名作为分类的标签名
  21.  
    ImageRecordReader trainRR = new ImageRecordReader(height, width, channels, labelMaker);//构造图片读取类
  22.  
    trainRR.initialize(trainSplit);
  23.  
    DataSetIterator trainIter = new RecordReaderDataSetIterator(trainRR, batchSize, 1, outputNum);
  24.  
     
  25.  
    // 把像素值区间 0-255 压缩到0-1 区间
  26.  
    DataNormalization scaler = new ImagePreProcessingScaler(0, 1);
  27.  
    scaler.fit(trainIter);
  28.  
    trainIter.setPreProcessor(scaler);
  29.  
     
  30.  
     
  31.  
    // 向量化测试集
  32.  
    File testData = new File(basePath + "/mnist_png/testing");
  33.  
    FileSplit testSplit = new FileSplit(testData, NativeImageLoader.ALLOWED_FORMATS, randNumGen);
  34.  
    ImageRecordReader testRR = new ImageRecordReader(height, width, channels, labelMaker);
  35.  
    testRR.initialize(testSplit);
  36.  
    DataSetIterator testIter = new RecordReaderDataSetIterator(testRR, batchSize, 1, outputNum);
  37.  
    testIter.setPreProcessor(scaler); // same normalization for better results
  38.  
     
  39.  
    log.info("Network configuration and training...");
  40.  
    Map<Integer, Double> lrSchedule = new HashMap<>();//设定动态改变学习速率的策略,key表示小批量迭代到几次
  41.  
    lrSchedule.put(0, 0.06);
  42.  
    lrSchedule.put(200, 0.05);
  43.  
    lrSchedule.put(600, 0.028);
  44.  
    lrSchedule.put(800, 0.0060);
  45.  
    lrSchedule.put(1000, 0.001);
  46.  
     
  47.  
    MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
  48.  
    .seed(seed)
  49.  
    .iterations(iterations)
  50.  
    .regularization(true).l2(0.0005)
  51.  
    .learningRate(.01)
  52.  
    .learningRateDecayPolicy(LearningRatePolicy.Schedule)
  53.  
    .learningRateSchedule(lrSchedule)
  54.  
    .weightInit(WeightInit.XAVIER)
  55.  
    .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
  56.  
    .updater(Updater.NESTEROVS)
  57.  
    .list()
  58.  
    .layer(0, new ConvolutionLayer.Builder(5, 5)
  59.  
    .nIn(channels)
  60.  
    .stride(1, 1)
  61.  
    .nOut(20)
  62.  
    .activation(Activation.IDENTITY)
  63.  
    .build())
  64.  
    .layer(1, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
  65.  
    .kernelSize(2, 2)
  66.  
    .stride(2, 2)
  67.  
    .build())
  68.  
    .layer(2, new ConvolutionLayer.Builder(5, 5)
  69.  
    .stride(1, 1)
  70.  
    .nOut(50)
  71.  
    .activation(Activation.IDENTITY)
  72.  
    .build())
  73.  
    .layer(3, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
  74.  
    .kernelSize(2, 2)
  75.  
    .stride(2, 2)
  76.  
    .build())
  77.  
    .layer(4, new DenseLayer.Builder().activation(Activation.RELU)
  78.  
    .nOut(500).build())
  79.  
    .layer(5, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)
  80.  
    .nOut(outputNum)
  81.  
    .activation(Activation.SOFTMAX)
  82.  
    .build())
  83.  
    .setInputType(InputType.convolutionalFlat(28, 28, 1))
  84.  
    .backprop(true).pretrain(false).build();
  85.  
     
  86.  
    MultiLayerNetwork net = new MultiLayerNetwork(conf);
  87.  
    net.init();
  88.  
    net.setListeners(new ScoreIterationListener(10));
  89.  
    log.debug("Total num of params: {}", net.numParams());
  90.  
     
  91.  
    // 评估测试集
  92.  
    for (int i = 0; i < nEpochs; i++) {
  93.  
    net.fit(trainIter);
  94.  
    Evaluation eval = net.evaluate(testIter);
  95.  
    log.info(eval.stats());
  96.  
    trainIter.reset();
  97.  
    testIter.reset();
  98.  
    }
  99.  
    ModelSerializer.writeModel(net, new File(basePath + "/minist-model.zip"), true);//保存训练好的网络
  100.  
    }
  101.  
    }
  1. 运行main方法,得到如下评估结果:

 # of classes:    10
 Accuracy:        0.9897
 Precision:       0.9897
 Recall:          0.9897
 F1 Score:        0.9896

    整个效果还比较好,保存好训练的网络,便可以用于手写体数据的识别了,下一篇博客将介绍怎么加载定型的网络,配合springMVC来开发一个手写体识别的应用。