用TensorFlow做Kaggle“手写识别”达到98%准确率-详解
(点击“阅读原文”即可进入查看课程表)
刘颖,某互联网创业公司COO,技术出身,做产品里最懂运营的。
这是一个TensorFlow的系列文章,本文是第三篇,在这个系列中,你讲了解到机器学习的一些基本概念、TensorFlow的使用,并能实际完成手写数字识别、图像分类、风格迁移等实战项目。
文章将尽量用平实的语言描述、少用公式、多用代码截图,总之这将是一份很赞的入门指南。欢迎分享/关注。
上一期,我们用Tensorflow实现了Kaggle的手写识别项目,但准确率比较低,只有92%,这次我们打算把识别的准确率提升到98%以上。
为什么不是上次说的提升到99%以上呢?因为92%到98%是比较容易的,而再从98%到99%是要费不少功夫的,一篇文章难以承载这么多内容,所以将会分成两篇文章,首先是从92%到98%,下一次是从98%到99%。
不要小看提升1%,越往后面,难度就越大。如果我们做到99%准确率,在Kaggle的手写识别这个项目上,也就进入了前25%了,可以说入门了。
上期我们学习了梯度下降、神经网络、损失函数、交叉熵等概念,然后用42000张图片数据训练了一个简单的神经网络,准确度92%。可以说,这只是一个Hello World。
Hello World
首先,这次我们将使用卷积神经网络来进行图片识别。众所周知,卷积神经网络对于图片识别是非常有效的。
这里我打算这样来构建这个卷积神经网络:
卷积层1+池化层1+卷积层2+池化层2+全连接1+Dropout层+输出层
然而,什么是卷积神经网络?什么是卷积层、池化层、全连接层?Dropout又是什么鬼?
1、什么是卷积神经网络?
我们人看到一幅图像,眨眼之间就知道图像中有什么,图像中的主体在干什么。但计算机不同,计算机看到的每一副图像都是一个数字矩阵。那我们怎么让计算机从一个个数字矩阵中得到有用的信息呢,比如边缘,角点?更甚一点,怎么让计算机理解图像呢?
对图像进行卷积,就是接近目标的第一步。
图像在计算机里的表示可能是这样的:
一张图片
对图像卷积,就是求卷积核作用在图像后,得到的图像对于该卷积核的累加数值。这些累加的数值可以代表这个图片的一些特征。
如果是针对猫进行识别,人可能知道猫头,猫尾巴等特征。CNN对图片进行处理后,也会学习到一些特征,它可能不知道猫头、猫尾巴这些特征,但也会识别出一些我们可能看不出来的特征,CNN通过这些学习到的特征去做判断。
2、什么是卷积层
卷积层的作用是指对图片的矩阵进行卷积运算,得到一些数值,作为图片的某些特征
3、什么是池化层
池化曾的作用是对上层的数据进行采样,也就是只留下一部分,这样的作用是可以缩小数据量和模糊特征。
4、什么是全连接层
全连接层就是连在最后的分类器。前面卷积层和池化层进行处理后,得到了很多的特征,全连接层使用这些特征进行分类。比如识别数字,那就是对0~9的十个类别进行分类。
5、Dropout是什么?
Dropout层是为了防止CNN对训练样本过拟合,而导致处理新样本的时候效果不好,采取的丢弃部分**参数的处理方式。
这里对这些概念的解释都是比较简单的,如果希望详细了解,可以看知乎的这个链接:
CNN卷积神经网络是什么?(https://www.zhihu.com/question/52668301)
1 标签的处理
2 把数据分为训练集和验证集
3 定义处理数据的函数
4 定义网络的结构
5 定义各类参数
6 进行训练
这里迭代20个周期:
7 验证集上的准确度
然后我们使用这个模型对Kaggle的测试集进行预测,并生成cvs格式的结果
8 生成结果
这里建议跑30轮以上,因为在验证集上有98.35%准确率,上传到Kaggle往往就只有百分之九十七点几的准确率了。
原文链接:http://www.jianshu.com/p/696bde1641d8
往期精彩回顾
深度学习视频(一) | 免费放送—深度学习的应用场景和数学基础
↓↓↓ 点击"阅读原文" 【查看北京 | GPU CUDA 进阶课程】