【Day9】CNN卷積神經網絡：基本概念到模型建構與訓練

15th鐵人賽

sunteng

2023-09-24 23:33:26

4396 瀏覽

分享至

昨天介紹完DNN而今天會講

CNN
卷積層
----卷積核
----特徵圖
----步長
----填充
池化層
----最大池化
----平均池化
模型實作
CNN相較DNN結構比較複雜，可能需要再多加操作幾次才會熟悉，下面讓我們開始吧!

CNN(卷積神經網絡)

卷積神經網絡(Convolutional Neural Network，CNN)大多用於處理和分析具有網格結構數據，如圖像和影片。CNN的獨特之處在於它使用卷積層(Convolutional Layers)和池化層(Pooling Layers)，來自動從輸入數據中學習特徵。
這種架構使得CNN在圖像分類、物體檢測、影像分割等機器視覺任務中表現出色。它的成功來自於能夠捕捉局部特徵、減少參數數量以及具有平移不變性。CNN廣泛應用於計算機視覺領域，改變了圖像處理和分析的方式，下面再讓我們說明卷積層與池化層。

卷積層(Convolutional Layers)

卷積層就像是一個過濾器，它在圖像上滑動，逐步檢測圖像的不同特徵，這些過濾器每次只處理圖像的一個小區域，並計算該區域的特徵。通過這樣的操作，卷積層可以捕捉到圖像中的局部特徵，並且具有平移不變性，意味著它能夠識別相同特徵的不同位置。

圖片來源：https://saturncloud.io/blog/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way/

卷積核(Filter)

卷積層包含多個卷積核，每個卷積核都是一個小的矩陣，它負責捕捉圖像中的特定特徵，如邊緣、紋理等。通過在輸入圖像上滑動卷積核，可以計算出特徵圖。

特徵圖(Feature Map)

特徵圖是卷積操作的輸出，它是一個二維數組，包含了捕捉到的特徵信息。每個卷積核生成一個特徵圖，多個卷積核可以生成多個特徵圖。

步長(Stride)：

步長是指卷積過程中卷積核（上圖移動的框框）在輸入數據上滑動的步伐(每次橫移格數)。它控制了卷積操作的輸出尺寸。較大的步長會導致輸出尺寸縮小，而較小的步長會保持較大的輸出尺寸。步長的選擇可以影響模型的特徵提取能力和計算效率。較小的步長可以提供更多的局部特徵信息，但計算代價較高。

填充(Padding)

填充是指在輸入數據的周圍添加額外的值（通常是0），以擴大輸入的尺寸，並控制卷積的輸出尺寸。

圖片來源：https://datahacker.rs/what-is-padding-cnn/

會看到與上面GIF圖不同，上方GIF便是沒有填充，輸出後的圖明顯少了一圈，因此填充通常用於控制特徵圖的大小，以便在不同層之間保持特徵圖的大小一致，這對於構建深度卷積神經網絡（CNN）模型很重要。

總之步長和填充是卷積操作中的重要參數，影響了模型的輸出尺寸和特徵提取能力，所以應根據具體的任務需求和模型架構進行調整，以達到最佳效果。

池化層(Pooling Layers)

池化層（Pooling Layers）是一種特徵圖壓縮技術，通過對每個區域進行統計操作（通常是最大池化或平均池化）來減小特徵圖的尺寸，這種操作通常在卷積層後，有助於減少計算複雜度並提高模型的計算效率。

最大池化(Max Pooling)

最大池化是最常見的池化操作之一。它在每個區域中選擇最大值作為代表，並將其用於新的特徵圖，有助於保留最重要的特徵，同時減小特徵圖的尺寸。

平均池化(Average Pooling)

平均池化則是對每個區域中的值進行平均操作，而不是選擇最大值，這種池化方式也有助於減小特徵圖的尺寸，但可能會丟失一些細節信息。

以上就是關於CNN的說明
下面進入實作部分

模型實作

今天我們的訓練集一樣是來自MNIST，不過這次使用的是當中的Fashion以下是他GitHub的介紹

其主題是來自10其他種類共700個不同商品的正面圖片，大小、格式和訓練集/測試集劃分與原始的MNIST完全一致。60000/10000的訓練測試資料劃分，28x28的灰階圖。

引入函式庫

import tensorflow as tf
from tensorflow.keras.datasets import fashion_mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout
from tensorflow.keras.callbacks import EarlyStopping
import matplotlib.pyplot as plt

資料處理

# 載入 Fashion MNIST 數據集
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

# 數據預處理
x_train = x_train.reshape(-1, 28, 28, 1).astype('float32') / 255
x_test = x_test.reshape(-1, 28, 28, 1).astype('float32') / 255
y_train = tf.keras.utils.to_categorical(y_train, 10)
y_test = tf.keras.utils.to_categorical(y_test, 10)

建立模型

# 創建卷積神經網絡（CNN）模型
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1))) # 卷積層 32特徵,卷積核3*3,激勵函數,輸入數據大小(28*28*1) 28*28圖 1為灰階(前面說過1大多黑白3為彩色)
model.add(MaxPooling2D(pool_size=(2, 2))) #池化 矩陣大小2*2
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2))) #池化 矩陣大小2*2
model.add(Flatten()) #攤平
model.add(Dense(128, activation='relu')) #全連接層
model.add(Dropout(0.5)) 
model.add(Dense(10, activation='softmax')) #全連接層

Conv2D(特徵數量, 卷積核3*3, 激勵函數,) Conv2D Keras中用於添加二維卷積層的函數

MaxPooling2D 二維最大池化
Dropout（輸出層隨機失活）是一種正則化技術，用於減少神經網絡的過度擬合。在每次訓練迭代中，Dropout會隨機將一部分神經元（通常是50%）暫時關閉，不參與前向和反向傳播，以阻止神經網絡對特定神經元的過度依賴。

其他定義與設定

# 編譯模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 定義早停回調函數以監控驗證集的損失
early_stopping = EarlyStopping(monitor='val_loss', patience=5, verbose=1)

# 訓練模型並使用早停回調函數
history = model.fit(x_train, y_train, batch_size=64, epochs=30, validation_split=0.2, callbacks=[early_stopping])

# 在測試集上評估模型
test_loss, test_accuracy = model.evaluate(x_test, y_test)
print(f"測試集上的準確率：{test_accuracy}")

# 輸出最後一個驗證集的損失
val_loss = history.history['val_loss'][-1]
print(f"最後一個驗證集的損失：{val_loss}")

這裡使用到了keras的early_stopping，它的用處在於訓練模型過程，若在設定次數內，模型沒有再進步則停止訓練，可以避免過擬合。

繪製Loss圖

# 建立 LOSS 圖表
#train loss
plt.plot(history.history['loss'])
#test loss
plt.plot(history.history['val_loss'])
#標題
plt.title('Model loss')
#y軸標籤
plt.ylabel('Loss')
#x軸標籤
plt.xlabel('Epoch')
#顯示折線的名稱
plt.legend(['Train', 'Test'], loc='upper left')
#顯示折線圖
plt.show()