重学深度学习系列---LeNet5实现手写数字识别(TensorFlow2-mnist数据集)
我的环境：一、LeNet5简单介绍二、LeNet-5代码实现三、训练四、对图片进行预测五、训练过程截图：参考资料 我的环境：
TensorFlow2.3.0 、Pycharm、Windows10
代码已发布在码云上：https://gitee.com/jiangyi-yan/re-learning-and-deep-learning/tree/master/1.LeNet5_Mnist
或者在百度网盘下载：
链接：https://pan.baidu.com/s/1J–9eUJMDB9SbRB5xwIr8Q
提取码：2022
–来自百度网盘超级会员V4的分享
LeNet-5模型由LeCun等人于1998年提出，主要用于手写数字识别和英文字符识别，是卷积神经网络的鼻祖，其网络结构简单，却能取到良好的识别的效果。在MNIST数据集上，LeNet-5模型可以达到99.2%的准确率。
论文链接：http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
其网络结构图如下：
可以看到LeNet5网络有7层：
1.第1层：卷积层
输入：原始的图片像素矩阵（长度、宽度、通道数），大小为32×32×1；
参数：滤波器尺寸为5×5，深度为6，不使用全0填充，步长为1；
输出：特征图，大小为28×28×6。
分析：因为没有使用全0填充，所以输出尺寸 = 32 - 5 + 1 = 28，深度与滤波器深度一致，为6。
2.第2层：池化层
输入：特征图，大小为28×28×6；
参数：滤波器尺寸为2×2，步长为2；
输出：特征图，大小为14×14×6。
3.第3层：卷积层
输入：特征图，大小为14×14×6；
参数：滤波器尺寸为5×5，深度为16，不使用全0填充，步长为1；
输出：特征图，大小为10×10×16。
分析：因为没有使用全0填充，所以输出尺寸 = 14 - 5 + 1 = 10，深度与滤波器深度一致，为16。
4.第4层：池化层
输入：特征图，大小为10×10×16；
参数：滤波器尺寸为2×2，步长为2；
输出：特征图，大小为5×5×6。
5.第5层：全连接层
输入节点个数：5×5×16 = 400；
参数个数：5×5×16×120+120 = 48120；
输出节点个数：120。
6.第6层：全连接层
输入节点个数：120；
参数个数：120×84+84 = 10164；
输出节点个数：84。
7.第7层：全连接层
输入节点个数：84；
参数个数：84×10+10 = 850；
输出节点个数：10。
二、LeNet-5代码实现# LeNet5网络模型model = tf.keras.Sequential([ # 第1层-卷积层 滤波器尺寸5*5,6个 keras.layers.Conv2D(6,5), # 第2层-池化层,滤波器尺寸为2×2，步长为2 keras.layers.MaxPooling2D(pool_size=2,strides=2), keras.layers.ReLU(), # 第3层-卷积层 滤波器尺寸5*5,16个 keras.layers.Conv2D(16,5), # 第4层-池化层,滤波器尺寸为2×2，步长为2 keras.layers.MaxPooling2D(pool_size=2,strides=2), keras.layers.ReLU(), keras.layers.Flatten(), # 拉平之后方便做全连接 # 第5层-全连接层 keras.layers.Dense(120,activation='relu'), # 第6层-全连接层 keras.layers.Dense(84,activation='relu'), # 第7层-全连接层 keras.layers.Dense(10,activation='softmax') # 最后输出10类,0-9的数字])
由于MNIST数据集图片大小是28×28的，所以在训练时可以把卷积核尺寸调小为3×3。当然，不修改也没问题。
三、训练import tensorflow as tffrom tensorflow import kerasprint(tf.__version__) # 打印出TensorFlow的版本# 设置一次送入GPU的量batchsize = 32# LeNet5网络模型model = tf.keras.Sequential([ # 第1层-卷积层 滤波器尺寸5*5,6个 keras.layers.Conv2D(6,5), # 第2层-池化层,滤波器尺寸为2×2，步长为2 keras.layers.MaxPooling2D(pool_size=2,strides=2), keras.layers.ReLU(), # 第3层-卷积层 滤波器尺寸5*5,16个 keras.layers.Conv2D(16,5), # 第4层-池化层,滤波器尺寸为2×2，步长为2 keras.layers.MaxPooling2D(pool_size=2,strides=2), keras.layers.ReLU(), keras.layers.Flatten(), # 拉平之后方便做全连接 # 第5层-全连接层 keras.layers.Dense(120,activation='relu'), # 第6层-全连接层 keras.layers.Dense(84,activation='relu'), # 第7层-全连接层 keras.layers.Dense(10,activation='softmax') # 最后输出10类,0-9的数字])model.build(input_shape=(batchsize,28,28,1)) # 28*28*1 1个通道# 打印出网络结构model.summary()# 编译model.compile(optimizer=keras.optimizers.Adam(), loss = keras.losses.CategoricalCrossentropy(), metrics=['accuracy'])# 数据预处理def preprocess(x,y): x = tf.cast(x,dtype=tf.float32) / 255 x = tf.reshape(x,[-1,28,28,1]) # y = tf.one_hot(y,depth=10) return x,y# 加载数据集(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()# 查看类型print('x_train=',type(x_train))print('y_train=',type(y_train))train_db = tf.data.Dataset.from_tensor_slices((x_train,y_train))print('train_db=',type(train_db))train_db = train_db.shuffle(10000) # 打乱数据train_db = train_db.batch(128)train_db = train_db.map(preprocess)test_db = tf.data.Dataset.from_tensor_slices((x_test,y_test))print('test_db=',type(test_db))test_db = test_db.shuffle(10000)test_db = test_db.batch(128)test_db = test_db.map(preprocess)# 开始训练model.fit(train_db,epochs=10)# 在测试集上验证model.evaluate(test_db)# 保存训练的模型model.save('./lenet5.h5')
四、对图片进行预测 前面已经训练过并已经保存了训练后的模型，因此可以调用模型进行预测。
from PIL import Imageimport numpy as npfrom tensorflow.keras.models import load_modelimport cv2# 加载模型model = load_model('./model/lenet5.h5')def predict(image_path): # 以黑白方式读取图片 img = Image.open(image_path).convert('L') img.resize((28,28)) img = np.reshape(img, (28, 28, 1)) / 255. x = np.array([1 - img]) y = model.predict(x) # 因为x只传入了一张图片，取y[0]即可 # np.argmax()取得最大值的下标，即代表的数字 print(image_path) print(y[0]) print('the number is :', np.argmax(y[0]))if __name__ == "__main__": img = cv2.imread('./imgs/1.jpg', 0) img = cv2.resize(img, (28, 28)) cv2.imwrite('./test.jpg', img) predict('./test.jpg')
我们预测的图片可以是任意尺寸的，但是送入网络预测时都必须resize成28×28的，这里由于我不太熟悉image库，格式调整起来比较麻烦，所以我先用opencv库进行resize再保存下来，然后对这张图片进行预测（比较笨的方法）。
预测结果：
五、训练过程截图：1.输出网络结构：
2.训练过程：
参考资料1.《深度学习实践教程》吴微
2.LeNet-5论文链接：http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf