卷积神经网络的优化方法（有趣的卷积神经网络）

卷积神经网络的优化方法（有趣的卷积神经网络）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。三、卷积神经网络原理 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

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。

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。

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。

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。

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）

public class MnistClassifier { private static final Logger log = LoggerFactory.getLogger(MnistClassifier.class); private static final String basePath = "E:"; public static void main(String[] args) throws Exception { int height = 28; int width = 28; int channels = 1; // 这里有没有复杂的识别，没有分成红绿蓝三个通道 int outputNum = 10; // 有十个数字，所以输出为10 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 int nEpochs = 1;//整个样本集只训练一次 int iterations = 1; int seed = 1234; Random randNumGen = new Random(seed); File trainData = new File(basePath "/mnist_png/training"); FileSplit trainSplit = new FileSplit(trainData NativeImageLoader.ALLOWED_FORMATS randNumGen); ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator(); //以父级目录名作为分类的标签名 ImageRecordReader trainRR = new ImageRecordReader(height width channels labelMaker);//构造图片读取类 trainRR.initialize(trainSplit); DataSetIterator trainIter = new RecordReaderDataSetIterator(trainRR batchSize 1 outputNum); // 把像素值区间 0-255 压缩到0-1 区间 DataNormalization scaler = new ImagePreProcessingScaler(0 1); scaler.fit(trainIter); trainIter.setPreProcessor(scaler); // 向量化测试集 File testData = new File(basePath "/mnist_png/testing"); FileSplit testSplit = new FileSplit(testData NativeImageLoader.ALLOWED_FORMATS randNumGen); ImageRecordReader testRR = new ImageRecordReader(height width channels labelMaker); testRR.initialize(testSplit); DataSetIterator testIter = new RecordReaderDataSetIterator(testRR batchSize 1 outputNum); testIter.setPreProcessor(scaler); // same normalization for better results log.info("Network configuration and training..."); 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 lrSchedule.put(0 0.06); lrSchedule.put(200 0.05); lrSchedule.put(600 0.028); lrSchedule.put(800 0.0060); lrSchedule.put(1000 0.001); MultiLayerConfiguration conf = new NeuralNetConfiguration.builder() .seed(seed) .iterations(iterations) .regularization(true).l2(0.0005) .learningRate(.01) .learningRateDecayPolicy(LearningRatePolicy.Schedule) .learningRateSchedule(lrSchedule) .weightInit(WeightInit.XAVIER) .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT) .updater(Updater.NESTEROVS) .list() .layer(0 new ConvolutionLayer.Builder(5 5) .nIn(channels) .stride(1 1) .nOut(20) .activation(Activation.IDENTITY) .build()) .layer(1 new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX) .kernelSize(2 2) .stride(2 2) .build()) .layer(2 new ConvolutionLayer.Builder(5 5) .stride(1 1) .nOut(50) .activation(Activation.IDENTITY) .build()) .layer(3 new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX) .kernelSize(2 2) .stride(2 2) .build()) .layer(4 new DenseLayer.Builder().activation(Activation.RELU) .nOut(500).build()) .layer(5 new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD) .nOut(outputNum) .activation(Activation.SOFTMAX) .build()) .setInputType(InputType.convolutionalFlat(28 28 1)) .backprop(true).pretrain(false).build(); MultiLayerNetwork net = new MultiLayerNetwork(conf); net.init(); net.setListeners(new ScoreIterationListener(10)); log.debug("Total num of params: {}" net.numParams()); // 评估测试集 for (int i = 0; i < nEpochs; i ) { net.fit(trainIter); Evaluation eval = net.evaluate(testIter); log.info(eval.stats()); trainIter.reset(); testIter.reset(); } ModelSerializer.writeModel(net new File(basePath "/minist-model.zip") true);//保存训练好的网络 } }

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。

K码农提供了很多不同领域技术，包含人工智能，android，ios ，前端，后端，大数据，云计算，区块链，物联网等大量的技术：http://kmanong.top