使用 Python 實作的卷積神經網路初學者指南

目錄

1. 卷積神經網路簡介

2. 其組成部分

• 輸入層

• 卷積層

• 池化層

• 全連接層

1. CNN 在資料集上的實際實作

CNN簡介

卷積神經網路是一種專為處理影像和視頻而設計的深度學習演算法，它以影像為輸入，提取和學習影像的特征，并根據學習到的特征進行分類，

該演算法的靈感來自于人腦的一部分，即視覺皮層，視覺皮層是人腦的一部分，負責處理來自外界的視覺資訊，它有不同的層，每一層都有自己的功能，即每一層從影像或任何視覺中提取一些資訊，最后將從每一層接收到的所有資訊組合起來，對影像/視覺進行解釋或分類，

同樣，CNN有各種濾波器，每個濾波器從影像中提取一些資訊，例如邊緣、不同種類的形狀（垂直、水平、圓形），然后將所有這些組合起來識別影像，

現在，這里的問題可能是：為什么我們不能將人工神經網路用于相同的目的？這是因為ANN有一些缺點：

• 對于 ANN 模型來說，訓練大尺寸影像和不同型別的影像通道的計算量太大，

• 它無法從影像中捕獲所有資訊，而 CNN 模型可以捕獲影像的空間依賴性，

• 另一個原因是人工神經網路對影像中物體的位置很敏感，即如果同一物體的位置或地點發生變化，它將無法正確分類，

CNN的組成部分

CNN模型分兩步作業：特征提取和分類

特征提取是將各種過濾器和圖層應用于影像以從中提取資訊和特征的階段，完成后將傳遞到下一階段，即分類，根據問題的目標變數對它們進行分類，

典型的 CNN 模型如下所示：

• 輸入層

• 卷積層+激活函式

• 池化層

• 全連接層

來源：https://learnopencv.com/image-classification-using-convolutional-neural-networks-in-keras/

讓我們詳細了解每一層，

輸入層

顧名思義，它是我們的輸入影像，可以是灰度或 RGB，每個影像由范圍從 0 到 255 的像素組成，我們需要對它們進行歸一化，即在將其傳遞給模型之前轉換 0 到 1 之間的范圍，

下面是大小為 4*4 的輸入影像的示例，它有 3 個通道，即 RGB 和像素值，

來源：https://medium.com/@raycad.seedotech/convolutional-neural-network-cnn-8d1908c010ab

卷積層

卷積層是將過濾器應用于我們的輸入影像以提取或檢測其特征的層，過濾器多次應用于影像并創建一個有助于對輸入影像進行分類的特征圖，讓我們借助一個例子來理解這一點，為簡單起見，我們將采用具有歸一化像素的 2D 輸入影像，

在上圖中，我們有一個大小為 66 的輸入影像，并對其應用了 33 的過濾器來檢測一些特征，在這個例子中，我們只應用了一個過濾器，但在實踐中，許多這樣的過濾器被用于從影像中提取資訊，

將過濾器應用于影像的結果是我們得到一個 4*4 的特征圖，其中包含有關輸入影像的一些資訊，許多這樣的特征圖是在實際應用中生成的，

讓我們深入了解獲取上圖中特征圖的一些數學原理，

如上圖所示，第一步過濾器應用于影像的綠色高亮部分，將影像的像素值與過濾器的值相乘（如圖中使用線條所示），然后相加得到最終值，

在下一步中，過濾器將移動一列，如下圖所示，這種跳轉到下一列或行的程序稱為 stride，在本例中，我們將 stride設為1，這意味著我們將移動一列，

類似地，過濾器通過整個影像，我們得到最終的特征圖，一旦我們獲得特征圖，就會對其應用激活函式來引入非線性，

這里需要注意的一點是，我們得到的特征圖小于我們影像的大小，隨著我們增加 stride 的值，特征圖的大小會減小，

這就是過濾器如何以 1 的步幅穿過整個影像

池化層

池化層應用在卷積層之后，用于降低特征圖的維度，有助于保留輸入影像的重要資訊或特征，并減少計算時間，

使用池化，可以創建一個較低解析度的輸入版本，該版本仍然包含輸入影像的大元素或重要元素，

最常見的池化型別是最大池化和平均池化，

下圖顯示了最大池化的作業原理，使用我們從上面的例子中得到的特征圖來應用池化，這里我們使用了一個大小為 2*2的池化層，步長為 2，

取每個突出顯示區域的最大值，并獲得大小為 2*2的新版本輸入影像，因此在應用池化后，特征圖的維數減少了，

全連接層

到目前為止，我們已經執行了特征提取步驟，現在是分類部分，全連接層（如我們在 ANN 中所使用的）用于將輸入影像分類為標簽，該層將從前面的步驟（即卷積層和池化層）中提取的資訊連接到輸出層，并最終將輸入分類為所需的標簽，

CNN 模型的完整程序可以在下圖中看到，

來源：https://developersbreach.com/convolution-neural-network-deep-learning/

CNN在Python中的實作

我們將使用 Mnist Digit 分類資料集，我們在ANN的實際實作的上一篇博客中使用了該資料集，為了更好地理解CNN的應用，請先參考上一篇博客：https://www.analyticsvidhya.com/blog/2021/08/implementing-artificial-neural-network-on-unstructured-data/

#importing the required libraries
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPool2D
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Dropout
from tensorflow.keras.layers import Dense

#loading data
(X_train,y_train) , (X_test,y_test)=mnist.load_data()
#reshaping data
X_train = X_train.reshape((X_train.shape[0], X_train.shape[1], X_train.shape[2], 1))
X_test = X_test.reshape((X_test.shape[0],X_test.shape[1],X_test.shape[2],1)) 
#checking the shape after reshaping
print(X_train.shape)
print(X_test.shape)
#normalizing the pixel values
X_train=X_train/255
X_test=X_test/255

#defining model
model=Sequential()
#adding convolution layer
model.add(Conv2D(32,(3,3),activation='relu',input_shape=(28,28,1)))
#adding pooling layer
model.add(MaxPool2D(2,2))
#adding fully connected layer
model.add(Flatten())
model.add(Dense(100,activation='relu'))
#adding output layer
model.add(Dense(10,activation='softmax'))
#compiling the model
model.compile(loss='sparse_categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
#fitting the model
model.fit(X_train,y_train,epochs=10)

輸出：

#evaluting the model
model.evaluate(X_test,y_test)

尾注

希望這篇文章對你有所幫助，

☆ END ☆

如果看到這里，說明你喜歡這篇文章，請轉發、點贊，微信搜索「uncle_pn」，歡迎添加小編微信「 woshicver」，每日朋友圈更新一篇高質量博文，

↓掃描二維碼添加小編↓