什么是卷积神经网络

CNN：神经网络在前面的学习中我们已经了解过很多了，其本质就是多层感知机，卷积神经网络其实也一样，但是我们可以将其看成多层感知机的变种。它成功的原因在于其所采用的局部连接和权值共享的方式：

一方面减少了权值的数量使得网络易于优化，算力大大提高
另一方面降低了模型的复杂度，也就是减小了过拟合的风险

该优点在网络的输入是图像时表现的更为明显，使得图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建的过程，在二维图像的处理过程中有很大的优势。

2.模型构建：

CNN：首先了解卷积神经网络的四个组件：

卷积层(Convolution)
非线性映射(ReLu)，即非线性激活函数

model.add(Conv2D(32,(3,3),activation='relu',padding='valid',input_shape=((28,28,1))))

池化层(Pooling)

model.add(MaxPool2D(2))

分类层(FC)

model.add(Flatten())

接下来我主要介绍卷积层和池化层

首先介绍卷积层，卷积层主要有以下三种特性：
- 参数共享
- 自动提取特征
- 平移不变性

卷积操作其实并不算复杂，但是他有很多种卷积方式，我们在进行卷积之后输出的图像也会和我们选择的卷积核有关，能够让维度下降、不变、甚至上升。

接着介绍池化层，池化层一般分为以下两种池化：
- 一般池化（最常用的池化，池化的过程中，不会将前面操作过的像素再用于池化操作）
- 重叠池化，和一般池化相反，一般池化的步长为1时，使用过的像素就会重叠，即重复使用
- 池化层的同样拥有三种特性：
  - 池化无参数
  - 具有降维作用
  - 缩放不变

一般的池化操作我们会使用最大池化，即在选定的部分像素中，我们选择其中最大的一个像素值来作为这一部分的像素的代表，这就使得整体的数据降维，我们生活中常见的马赛克，就是池化操作产生的。

常见的卷积神经网络模型

LetNet-5模型：

Conv-Pool-Conv-Pool-FC-FC-Softmax

模型相对简单，层数也较少

AlexNet模型：

Conv-Pool-Conv-Pool-Conv-Conv-Conv-Pool-FC-FC-Softmax
VGG-16模型：

Conv-Conv-Pool-Conv-Conv-Pool-Conv-Conv-Conv-Pool-Conv-Conv-Conv-Pool-FC-FC-FC-Softmax
GoogleNet模型（Inception V1）

在这里插入图片描述
是一种既有深度又有宽度的模型，具有以下功能：

实现跨通道的交互和信息整合
可以把不同特征图组合
全连接可以看作1X1卷积操作

ResNet模型：

该模型使用ReLu函数用于激活，改善了梯度消失的问题，使信息前后向传播更加顺畅

提升了参数利用率
底层的特征也进行了充分的传递，泛化性较好
Loss对底层参数有一定的影响，能较容易地进行训练

3.实验过程：

手写数字集测试：

首先我们对比一下，图片在经过卷积或者池化操作之后，跟原图会有什么区别

# TensorFlow 卷积池化
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape((-1,28,28,1))/255.0
x_test = x_test.reshape((-1,28,28,1))/255.0
filter = tf.constant([[-1,-1,-1],[-1,9,1],[-1,-1,-1]],dtype='float32')
filter = tf.reshape(filter,(3,3,1,1))
img = tf.constant(x_train[0:1]/255.0,dtype='float32')
conv_img = tf.nn.conv2d(img,filter,strides=[1,2,2,1],padding='SAME')
pool_img = tf.nn.max_pool(img,[1,2,2,1],[1,2,2,1],padding="VALID")
# window_size,stride
print(conv_img.shape)
plt.subplot(131)
plt.imshow(tf.squeeze(img))
plt.subplot(132)
plt.imshow(tf.squeeze(conv_img))
plt.subplot(133)
plt.imshow(tf.squeeze(pool_img))
plt.show()

在这里插入图片描述
由于我们采用的卷积核的特性，将一些较大的值都滤掉了，反观池化，虽然较大的值都保留了，但是同样损失了很多细节。

接下里，我们构建一个经典LeNet-5的卷积神经网络，进行手写数字的识别

import tensorflow as tf
from tensorflow.keras.layers import *
from tensorflow.keras.models import Sequential
(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()
#tf.keras.datasets.mnist.load_data()
#tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.reshape((-1,28,28,1))/255.0
x_test = x_test.reshape((-1,28,28,1))/255.0
y_train = tf.keras.utils.to_categorical(y_train,10)
y_test = tf.keras.utils.to_categorical(y_test,10)
model = Sequential()
model.add(Conv2D(32,(3,3),activation='relu',padding='valid',input_shape=((28,28,1))))
model.add(MaxPool2D(2))
model.add(Conv2D(32,(3,3),activation='relu',padding='same'))
model.add(Flatten()) #FC，将二维图片展平成一维向量
model.add(Dense(128,activation='relu'))
model.add(Dense(10,activation='softmax'))
model.compile(optimizer=tf.keras.optimizers.Adam(),
loss=tf.keras.losses.categorical_crossentropy,metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=128,epochs=20)
print(model.evaluate(x_test,y_test))

从上述代码中，我们可以发现，这个卷积神经网络中，我们使用了两个卷积层、两个最大池化层、两个全连接层

我们得到的精度如下：

Alex-net模型：（主要为8层）
Conv-pool-Conv-pool-Conv-Conv-Conv-pool-FC-FC-Softmax分类输出

初始框架优化效果：
将卷积核的数目核batch_size扩大一倍后:
感觉精度不高的原因是模型太简单，我们在原模型的基础上增加一层卷积

效果不错，再也不是乌龟爬式的增长了
再加两层卷积之后再池化
重复上述操作

精度的提升很小，说明靠这种方法来提升精度已经达到了极限值

VGG16模型：（卷积核3x3；池化核2x2，步长为2，即不重叠池化）

从上图我们可以看到，该模型由最大池化层分隔，总共分隔成了6块，其中五块为卷积层，一块为全连接层。且每一次的卷积都使得输入和输出的图像大小不变，只有在池化时变为原来的一半，最后由三层全连接层输出

略微增大卷积核个数，得到精度如下：
VGG16模型的层数实在是太多了，以至于我觉得该模型应该是属于过拟合的状态，我决定将其简化，原本的VGG16模型有5个模块，删去最后一个，剩下四个模块。

稍微提升了一些

InceptionNet模型：（更多的支路，更宽的神经网络）

该模型初次的精度如下：
我们知道，卷积核可以提取突破的特征，初步设想，给定较多的卷积核，便能提取更多特征，那么最后的精度应该会高。所以将原来的卷积核个数翻倍，得到的结果如下：

看来这招在这里并不合适
既然增加卷积核的个数行不通，索性让神经网络变得更深一些

精度下降了，看来单纯地深化神经网络，也不一定就能达到最好的效果，太复杂的模型很有可能会过拟合，导致精度下降。
删去一层深度之后，效果似乎有所好转
增加一条支路，让其模型变成5条支路，3层深度