TensorFlow入門（2）Deep MNIST for Experts

　TensorFlowのtutorialをやってみた。MNISTをDeep Learningで学習させる回。識別率99%を超えるモデルを作ることが出来る。重要そうなところをメモしておく。

元ネタ
Deep MNIST for Experts

TensorFlowについて
重い計算はC++のバックエンドで行う。
バックエンドとのコネクションを"セッション"と呼ぶ。

ソースコード

import tensorflow as tf
import input_data

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], 
                      padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

sess = tf.InteractiveSession()
x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

x_image = tf.reshape(x, [-1,28,28,1])
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={
        x:batch[0], y_: batch[1], keep_prob: 1.0})
    print "step %d, training accuracy %g"%(i, train_accuracy)
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print "test accuracy %g"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0})

以下、上記ソースコードで記述したモデルについて説明。

Weight Initialization
wはtruncated normal distributionの乱数。
bは定数。

Convolution and Pooling

Convolutionのstrideは1*1。padding='SAME'とすることで、入力と出力のサイズが同じになる。

Poolingは2*2のブロックのMax Pooling。

First Convolutional Layer

28 * 28 * 1チャネルの入力を

5*5のパッチでconvolutionして28 * 28 * 32 チャネルにした後、

Max Poolingして、14 * 14 * 32チャネルにする。

Second Convolutional Layer

14 * 14 * 32チャネルの入力を

5*5のパッチでconvolutionして14 * 14 * 64チャネルにした後、

Max Poolingして、7 * 7 * 64チャネルにする。

Densely Connected Layer

7 * 7 * 64チャネルの入力をflattenしてベクトルにした後、

1024次元のベクトルにする。

Dropout
オーバーフィッティング対策のために出力層の前にdropoutを入れる。
keepするneuronの割合をplaceholderにしておくことで、学習時と識別時でdropoutのあり/なしを切り替えることが出来る。

Readout Layer

softmaxする。