运用计算图搭建卷积神经网络

阅读数:859 2019 年 8 月 8 日

“您否认这座由花与矿物构成的永恒的药房,专为治疗被称为人类的永恒的患者?!”

“我既不否认药房,也不否认患者。我否认的是医生。”

——《巴黎圣母院》

干嘛引这么两句?众明公自行体味。由于加入了矩阵计算的算子,我们的计算图框架( VectorSlow )现在该改叫 _MatrixSlow _ 了。也许哪一天我们会将它改进成 TensorSlow,但总之 _Slow_ 这个特性我们是不会放弃的。

在之前的文章中,我们介绍了计算图和自动求导的原理及实现(这里),用 _MatrixSlow_ 搭建了一些可以被纳入“非全连接神经网络”范畴的若干模型(这里),还搭建了一些深度不一的多层全连接神经网络,并用动画展示了它们的训练过程(这里)。现在,我们用 _MatrixSlow_ 搭建卷积神经网络(CNN)并用来识别 MNIST 。关于 CNN 的介绍,可见这里:

https://zhuanlan.zhihu.com/p/25249694

作者对本文代码保留后续修改的权利,完整代码请见码云:

https://gitee.com/zhangjuefei/computing_graph_demo

1. 卷积

我们首先实现卷积算子,代码如下( node.py ):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/node.py

复制代码
class Convolve(Node):
"""
以第二个父节点的值为卷积核,对第一个父节点的值做二维离散卷积
"""
def __init__(self, *parents):
assert len(parents) == 2
Node.__init__(self, *parents)
self.padded = None
def compute(self):
data = self.parents[0].value # 输入特征图
kernel = self.parents[1].value # 卷积核
w, h = data.shape # 输入特征图的宽和高
kw, kh = kernel.shape # 卷积核尺寸
hkw, hkh = int(kw / 2), int(kh / 2) # 卷积核长宽的一半
# 补齐数据边缘
pw, ph = tuple(np.add(data.shape, np.multiply((hkw, hkh), 2)))
self.padded = np.mat(np.zeros((pw, ph)))
self.padded[hkw:hkw + w, hkh:hkh + h] = data
self.value = np.mat(np.zeros((w, h)))
# 二维离散卷积
for i in np.arange(hkw, hkw + w):
for j in np.arange(hkh, hkh + h):
self.value[i - hkw, j - hkh] = np.sum(
np.multiply(self.padded[i - hkw:i - hkw + kw, j - hkh:j - hkh + kh], kernel))
def get_jacobi(self, parent):
data = self.parents[0].value # 输入特征图
kernel = self.parents[1].value # 卷积核
w, h = data.shape # 输入特征图的宽和高
kw, kh = kernel.shape # 卷积核尺寸
hkw, hkh = int(kw / 2), int(kh / 2) # 卷积核长宽的一半
# 补齐数据边缘
pw, ph = tuple(np.add(data.shape, np.multiply((hkw, hkh), 2)))
jacobi = []
mask = np.mat(np.zeros((pw, ph)))
if parent is self.parents[0]:
for i in np.arange(hkw, hkw + w):
for j in np.arange(hkh, hkh + h):
mask *= 0
mask[i - hkw:i - hkw + kw, j - hkh:j - hkh + kh] = kernel
jacobi.append(mask[hkw:hkw+w, hkh:hkh+h].A1)
elif parent is self.parents[1]:
for i in np.arange(hkw, hkw + w):
for j in np.arange(hkh, hkh + h):
jacobi.append(self.padded[i - hkw:i - hkw + kw, j - hkh:j - hkh + kh].A1)
else:
raise Exception("You're not my father")
return np.mat(jacobi)

Convolve 接受两个父节点:图像(或叫特征图)节点,它是一个二维矩阵;卷积核节点也是一个二维矩阵。Convolve 暂时不支持设置步幅(stride)和填充方式(padding),步幅一律为 1 ,使用补零填充。compute 以第二个父节点的值为滤波器,对第一个父节点的值做二维离散卷积(滤波)。get_jacobi 函数返回当前本节点对特征图或卷积核的雅克比矩阵。

2. 最大值池化

我们来实现最大值池化算子,代码如下( node.py ):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/node.py

复制代码
class MaxPooling(Node):
"""
最大值池化
"""
def __init__(self, parent, size, stride):
Node.__init__(self, parent)
assert isinstance(stride, tuple) and len(stride) == 2
self.stride = stride
assert isinstance(size, tuple) and len(size) == 2
self.size = size
self.flag = None
def compute(self):
data = self.parents[0].value # 输入特征图
w, h = data.shape # 输入特征图的宽和高
dim = w * h
sw, sh = self.stride
kw, kh = self.size # 池化核尺寸
hkw, hkh = int(kw / 2), int(kh / 2) # 池化核长宽的一半
result = []
flag = []
for i in np.arange(0, w, sw):
row = []
for j in np.arange(0, h, sh):
# 取池化窗口中的最大值
top, bottom = max(0, i - hkw), min(w, i + hkw + 1)
left, right = max(0, j - hkh), min(h, j + hkh + 1)
window = data[top:bottom, left:right]
row.append(
np.max(window)
)
# 记录最大值在原特征图中的位置
pos = np.argmax(window)
w_width = right - left
offset_w, offset_h = top + pos // w_width, left + pos % w_width
offset = offset_w * w + offset_h
tmp = np.zeros(dim)
tmp[offset] = 1
flag.append(tmp)
result.append(row)
self.flag = np.mat(flag)
self.value = np.mat(result)
def get_jacobi(self, parent):
assert parent is self.parents[0] and self.jacobi is not None
return self.flag

MaxPooling 节点接受 size 参数指定池化窗口(池化核)大小,它是一个包含宽和高的 tuple 。MaxPooling 节点还接受 stride 参数,它也是一个 tuple ,指定两个方向的步幅。compute 方法移动池化窗口,取窗口中的最大值,同时以标志位的形式记录下被取的最大值在原特征图点的位置,get_jacobi 就以这个标志位作为雅可比,具体见代码。

3. 辅助性节点

我们需要一个 reshape 算子改变数据的形状(将二维特征图转成一维向量,连接全连接层),代码如下( node.py ):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/node.py

复制代码
class Reshape(Node):
"""
改变父节点的值(矩阵)的形状
"""
def __init__(self, parent, shape):
Node.__init__(self, parent)
assert isinstance(shape, tuple) and len(shape) == 2
self.to_shape = shape
def compute(self):
self.value = self.parents[0].value.reshape(self.to_shape)
def get_jacobi(self, parent):
assert parent is self.parents[0]
return np.mat(np.eye(self.dimension()))

卷积部分结束时,数据的形状是一组多个特征图。这时若要连接全连接层,需要将这些特征图展平并连接成一个向量。Flatten 节点肩负这个任务,代码如下( node.py ):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/node.py

复制代码
class Flatten(Node):
"""
将多个父节点的值连接成向量
"""
def compute(self):
assert len(self.parents) > 0
# 将所有负矩阵展平并连接成一个向量
self.value = np.concatenate(
[p.value.flatten() for p in self.parents],
axis=1
).T
def get_jacobi(self, parent):
assert parent in self.parents
dimensions = [p.dimension() for p in self.parents] # 各个父节点的元素数量
pos = self.parents.index(parent) # 当前是第几个父节点
dimension = parent.dimension() # 当前父节点的元素数量
assert dimension == dimensions[pos]
jacobi = np.mat(np.zeros((self.dimension(), dimension)))
start_row = int(np.sum(dimensions[:pos]))
jacobi[start_row:start_row + dimension, 0:dimension] = np.eye(dimension)
return jacobi

4. 构造“层”的辅助函数

我们写几个构造 CNN 的“层”(layer)的函数,以方便网络的构建,代码如下( layer.py ):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/layer.py

复制代码
from node import *
def conv(feature_maps, input_shape, kernels, kernel_shape, activation):
"""
:param feature_maps: 数组,包含多个输入特征图,它们应该是值为同形状的矩阵的节点
:param input_shape: tuple ,包含输入特征图的形状(宽和高)
:param kernels: 整数,卷积层的卷积核数量
:param kernel_shape: tuple ,卷积核的形状(宽和高)
:param activation: 激活函数类型
:return: 数组,包含多个输出特征图,它们是值为同形状的矩阵的节点
"""
outputs = []
for i in range(kernels):
channels = []
for fm in feature_maps:
kernel = Variable(kernel_shape, init=True, trainable=True)
conv = Convolve(fm, kernel)
channels.append(conv)
channles = Add(*channels)
bias = Variable(input_shape, init=True, trainable=True)
affine = Add(channles, bias)
if activation == "ReLU":
outputs.append(ReLU(affine))
elif activation == "Logistic":
outputs.append(Logistic(affine))
else:
outputs.append(affine)
assert len(outputs) == kernels
return outputs

conv 函数接受保存多个输入特征图(或者称作输入图像的多个通道)的数组、输入特征图的尺寸、卷积核数、卷积核尺寸、激活函数种类(“ReLU” 或 “Logistic” 以及未来会有的其他种类)。conv 的返回值也是一个数组,包含卷积层的多个输出特征图(通道),该数量与卷积核数量一致。

复制代码
def pooling(feature_maps, kernel_shape, stride):
"""
:param feature_maps: 数组,包含多个输入特征图,它们应该是值为同形状的矩阵的节点
:param kernel_shape: tuple ,池化核(窗口)的形状(宽和高)
:param stride: tuple ,包含横向和纵向步幅
:return: 数组,包含多个输出特征图,它们是值为同形状的矩阵的节点
"""
outputs = []
for fm in feature_maps:
outputs.append(MaxPooling(fm, size=kernel_shape, stride=stride))
return outputs

pooling 函数构造一个池化层(目前只支持最大值池化)。该函数接受保存多个输入特征图的数组、池化核(即池化窗口)尺寸、横向和纵向的步幅。pooling 函数返回一个数组,包含多个输出特征图。

复制代码
def fc(input, input_size, size, activation):
"""
:param input: 输入向量
:param input_size: 输入向量的维度
:param size: 神经元个数,即输出个数(输出向量的维度)
:param activation: 激活函数类型
:return: 输出向量
"""
weights = Variable((size, input_size), init=True, trainable=True)
bias = Variable((size, 1), init=True, trainable=True)
affine = Add(MatMul(weights, input), bias)
if activation == "ReLU":
return ReLU(affine)
elif activation == "Logistic":
return Logistic(affine)
else:
return affine

fc 函数构造全连接层,接受输入数量(输入向量的维数),神经元个数(输出向量的维数)以及激活函数的种类。

5. 构造卷积神经网络

现在我们就可以搭建一个简单的卷积神经网络了,代码如下(test_cnn.py):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/test_cnn.py

复制代码
from sklearn.metrics import accuracy_score
from node import *
from util import mnist
from optimizer import *
from layer import *
print(__file__)
train_x, train_y, test_x, test_y = mnist('./data/MNIST')
test_x = test_x[:1000]
test_y = test_y[:1000]
# train_x = train_x[:10000]
# train_y = train_y[:10000]
img_shape = (28, 28)
img = Variable(img_shape, init=False, trainable=False) # 占位符,28x28 的图像
conv1 = conv([img], img_shape, 6, (3, 3), "ReLU") # 第一卷积层
pooling1 = pooling(conv1, (3, 3), (2, 2)) # 第一池化层
conv2 = conv(pooling1, (14, 14), 6, (3, 3), "ReLU") # 第二卷积层
pooling2 = pooling(conv2, (3, 3), (2, 2)) # 第二池化层
fc1 = fc(Flatten(*pooling2), 294, 100, "ReLU") # 第一全连接层
logits = fc(fc1, 100, 10, "None") # 第二全连接层,无激活函数
# 分类概率
prob = SoftMax(logits)
# 训练标签
label = Variable((10, 1), trainable=False)
# 交叉熵损失
loss = CrossEntropyWithSoftMax(logits, label)
# Adam 优化器
optimizer = Adam(default_graph, loss, 0.005, batch_size=64)
# 训练
print("start training")
for e in range(10):
for i in range(len(train_x)):
img.set_value(np.mat(train_x[i, :]).reshape(28, 28))
label.set_value(np.mat(train_y[i, :]).T)
# 执行一步优化
optimizer.one_step()
# 显示进度
loss.forward()
percent = int((i + 1) / len(train_x) * 100)
print("".join(["="] * percent) + "> loss:{:.3f} {:d}({:.0f}%)".format(loss.value[0, 0], i + 1, percent))
if i > 1 and (i + 1) % 5000 == 0:
# 在测试集上评估模型正确率
probs = []
losses = []
for j in range(len(test_x)):
img.set_value(np.mat(test_x[j, :]).reshape(28, 28))
label.set_value(np.mat(test_y[j, :]).T)
# 前向传播计算概率
prob.forward()
probs.append(prob.value.A1)
# 计算损失值
loss.forward()
losses.append(loss.value[0, 0])
# print("test instance: {:d}".format(j))
# 取概率最大的类别为预测类别
pred = np.argmax(np.array(probs), axis=1)
truth = np.argmax(test_y, axis=1)
accuracy = accuracy_score(truth, pred)
default_graph.draw()
print("epoch: {:d}, iter: {:d}, loss: {:.3f}, accuracy: {:.2f}%".format(e + 1, i + 1, np.mean(losses), accuracy * 100))

这个卷积神经网络包含两个卷积层,第一个卷积层有 6 个卷积核,第 2 个卷积层也有 6 个卷积核。卷积核的尺寸都是3X3。每个卷积层之后是一个 stride 为 2 的最大值池化层,它们将特征图尺寸缩小一半。经过第二个最大值池化层后,特征图尺寸成为 7X7=49。之后用 Flatten 算子将 6 个特征图展平成 294 维向量,后接全连接层。第一个全连接层的输出是 100 维向量,第二个全连接层输出 10 维向量,作为十分类的 logits 。接下来是损失值部分,然后是训练主循环。我们构造的 CNN 的计算图如下:

我们构造的 CNN

6. 训练 Sobel 滤波器

在两年前的博文《卷积神经网络简介》中,我们从可训练滤波器的角度引入 CNN 。那时我们举了一个例子:训练 Sobel 算子。我们用 (纵向)Sobel 算子对莱娜图做滤波,效果是强化原图中的纵向边缘。之后,以原图为输入,以 Sobel 算子滤出来的图为 target ,构造一个计算图,对输入施加 3X3 的滤波,输出与原图同尺寸的图像,以输出图像与 target 图像所有像素的误差平方和作为损失,将计算图的随机卷积核训练成 Sobel 滤波器,我们看代码(test_sobel.py):

https://gitee.com/zhangjuefei/computing_graph_demo/blob/master/lost & found/test_sobel.py

复制代码
import skimage, os
import numpy as np
from node import *
from optimizer import *
from scipy.ndimage.filters import convolve
import matplotlib.pyplot as plt
# Sobel 滤波器
filter = np.mat([
[1., 0., -1.],
[2., 0., -2.],
[1., 0., -1.]])
# 图像尺寸
w, h = 128, 128
# 搭建计算图
input_img = Variable((w, h), init=False, trainable=False) # 输入图像占位变量
target_img = Variable((w, h), init=False, trainable=False) # target 图像占位变量
kernel = Variable((3, 3), init=True, trainable=True) # 被训练的卷积核
# 对输入图像施加滤波
conv_img = Convolve(input_img, kernel)
# 将输入图像和 target 图像展成向量
target_img_flat = Reshape(target_img, shape=(w * h, 1))
conv_img_flat = Reshape(conv_img, shape=(w * h, 1))
# 常数(矩阵)[[-1]]
minus = Variable((1, 1), init=False, trainable=False)
minus.set_value(np.mat(-1))
# 常数(矩阵):图像总像素数的倒数
n = Variable((1, 1), init=False, trainable=False)
n.set_value(np.mat(1.0 / (w * h)))
# 损失值:输出图像与 target 图像的平均像素平方误差
loss = MatMul(Dot(
Add(target_img_flat, MatMul(conv_img_flat, minus)),
Add(target_img_flat, MatMul(conv_img_flat, minus))
), n)
# RMSProp 优化器
optimizer = Adam(default_graph, loss, 0.06, batch_size=1)
# 读取 lena 图,将 rgb 图像转成单通道灰度图,并 resize 成指定大小
img = skimage.transform.resize(
skimage.color.rgb2gray(
skimage.io.imread("lena.png")
),
(w, h)
)
# 制作目标图像:对原图像施加 Sobel 滤波器
sobel = np.mat([[1,0,-1],[2,0,-2],[1,0,-1]])
target = np.zeros((w, h))
convolve(input=img, output=target, weights=filter, mode="constant", cval=0.0)
# 保存原图和经过 Sobel 滤波的图像
skimage.io.imsave("origin.png", np.minimum(np.maximum(img, 0.0), 1.0))
skimage.io.imsave("target.png", np.minimum(np.maximum(target, 0.0), 1.0))
# 以原图为输入,以经过 Sobel 滤波的图像为 target
input_img.set_value(np.mat(img))
target_img.set_value(np.mat(target))
i = 0
for e in range(1000):
# 一次迭代
optimizer.one_step()
# 计算损失值
loss.forward()
print("pic:{:s},loss:{:.6f}".format(p, loss.value[0, 0]))
# 保存当前卷积核对输入图像做滤波的结果
fname = "{:d}.png".format(i)
if os.path.exists(fname):
os.remove(fname)
skimage.io.imsave(fname, np.minimum(np.maximum(conv_img.value, 0.0), 1.0))
i += 1

迭代进行到 302 次时,损失值已经不怎么下降了,我们手动终止了进程。看看每次迭代输出的图像与 target 图像:

输出图像与 target 图像的比较

可见,输出图像已经很接近 Sobel 滤波的 target 图像了。这时,被训练的 kernel 节点的值是:

被训练的卷积核节点(kernel)的值

卷积核已经被训练得比较接近 Sobel 算子了。

作者介绍

张觉非,本科毕业于复旦大学,硕士毕业于中国科学院大学,先后任职于新浪微博、阿里,目前就职于奇虎 360,任机器学习技术专家。

本文来自 DataFun 社区

原文链接

<>

收藏

评论

微博

发表评论

注册/登录 InfoQ 发表评论