摘要：?卷積的計算方法

卷積

卷積就是滑動中提取特征的過程

在數學中，卷積convolution是一種函數的定義。它是通過兩個函數f和g生成第三個函數的一種數學算子，表征函數f與g經過翻轉和平移的重疊部分的面積。其定義為：
h(x)=f(x)?g(x)=∫∞?∞f(t)g(x?t)dth(x)=f(x)?g(x)=∫?∞∞f(t)g(x?t)dt

也可以用星號表示：h(x)=(f?g)(x)h(x)=(f?g)(x)
卷積的第一個參數（上例中的f），通常叫做輸入。第二個參數（函數g）叫做核函數kernel function。輸出有時候叫特征映射feature map.

也可以定義離散形式的卷積：
h(x)=(f?g)(x)=∑∞t=?∞f(t)g(x?t)h(x)=(f?g)(x)=∑t=?∞∞f(t)g(x?t)

g(x-t)是變化的，而f(t)是固定不動的。我們可以將卷積理解成是g(x-t)滑動過程中對f(t)進行采樣。

我們一般可以用f(x)=wx+bf(x)=wx+b來作為核函數提取特征

我們來舉個小例子說明一下卷積對于特征提取的過程。

假設有一個5*5的矩陣做為輸入：

array([[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.]], dtype=float32)

y=wx+b我們取w為3*3的全1矩陣，b=0。
這樣我們計算左邊第一個3*3的小塊，得1?1+1?1+1?1+1?1+1?1+1?1+1?1+1?1+1?1=91?1+1?1+1?1+1?1+1?1+1?1+1?1+1?1+1?1=9。
以此類推，最后我們得到一個
[[9,9,9],
[9,9,9],
[9,9,9]]
的矩陣。
相當于我們把一個55的黑白矩陣壓縮成了33的灰度矩陣。

全是1的話大家看不太清楚，我們選一個對角矩陣再來計算一下：

array([[1., 0., 0., 0., 0.],[0., 1., 0., 0., 0.],[0., 0., 1., 0., 0.],[0., 0., 0., 1., 0.],[0., 0., 0., 0., 1.]], dtype=float32)

計算卷積之后的結果為：

[[3,2,1], [2,3,2], [1,2,3]]

圖像縮小了之后，仍然是主對角線最黑?；咎卣鬟€是被提取出來了。

填充Padding

從前面對角線的例子可以看出，由于圖片中間的點被計算的次數多，而邊緣上的點計算的次數少，所以明明右上角和左下角都是0，提取完特征之后被中間的1給影響了。
我們可以選擇給這個55的矩陣外邊加上一圈padding，將其變成77的矩陣。

我們再重新計算一下卷積，獲取下面一個5*5的新矩陣：

[[2,2,1,0,0],[2,3,2,1,0],[1,2,3,2,1],[0,1,2,3,2],[0,0,1,2,2]]

這樣邊緣的0就被識別出來了。Padding的最主要作用就是讓邊界變得更清晰。

步幅Stride

上面我們求卷積的時候，每次向右移到一步，這個移動距離就是Stride。
比如我們想把圖片壓縮得更狠一點，取得更高的壓縮率，我們就可以加大步幅。

卷積用Tensorflow實現

上面知識儲備已足，我們開始用Tensorflow來計算卷積吧。

首先是輸入，按照Tensorflow的要求，我們得把5*5的，resize成[1,5,5,1]格式的，如下：

>>> c array([[[[1.],[0.],[0.],[0.],[0.]],[[0.],[1.],[0.],[0.],[0.]],[[0.],[0.],[1.],[0.],[0.]],[[0.],[0.],[0.],[1.],[0.]],[[0.],[0.],[0.],[0.],[1.]]]], dtype=float32)

然后我們還需要準備卷積核，先生成一個3*3全1矩陣：

>>> a2 = sess.run(tf.ones([3,3])) >>> a2 array([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]], dtype=float32)

然后將其reshape成[3,3,1,1]格式的：

>>> a3 = sess.run(tf.reshape(a2,[3,3,1,1])) >>> a3 array([[[[1.]],[[1.]],[[1.]]],[[[1.]],[[1.]],[[1.]]],[[[1.]],[[1.]],[[1.]]]], dtype=float32)

步幅我們設成[1,1,1,1]，其實就是x軸1，y軸1，前面和后面的1先不用管它。padding設成'SAME':

>>> a1 = tf.nn.conv2d(c,a3,strides=[1,1,1,1],padding='SAME') >>> sess.run(a1) array([[[[2.],[2.],[1.],[0.],[0.]],[[2.],[3.],[2.],[1.],[0.]],[[1.],[2.],[3.],[2.],[1.]],[[0.],[1.],[2.],[3.],[2.]],[[0.],[0.],[1.],[2.],[2.]]]], dtype=float32)

結果看起來不爽的話，我們再重新將其reshape成[5,5]的：

>>> a5 = tf.reshape(a4,[5,5]) >>> sess.run(a5) array([[2., 2., 1., 0., 0.],[2., 3., 2., 1., 0.],[1., 2., 3., 2., 1.],[0., 1., 2., 3., 2.],[0., 0., 1., 2., 2.]], dtype=float32)

嗯，是不是跟我們手動計算的一樣呢？恭喜你，已經學會卷積啦！

池化層

池化層跟卷積也很像，但是計算要簡單得多。池化主要有兩種，一種是取最大值，一種是取平均值。而卷積是要做矩陣內積運算的。

我們以2*2最大池化為例，處理一下上節加了padding的卷積

[[2,2,1,0,0],[2,3,2,1,0],[1,2,3,2,1],[0,1,2,3,2],[0,0,1,2,2]]

最大池化就是取最大值，比如[[2,2],[2,3]]就取3。結果如下:

[[3,3,2,1],[3,3,3,2],[2,3,3,3],[1,2,3,3,]]

可以看到，池化雖然進一步丟失了信息，但是基本規律還是不變的。

池化被認為可以提高泛化性，對于微小的變動不敏感。比如對于少量的平移，旋轉或者縮放保持同樣的識別。但是，池化層不是必須的。

在Tensorflow中，可以用tf.nn.max_pool來實現最大池功能。

首先我們要把圖片resize成(-1,高，寬，1)這樣格式的：

>>> b = tf.reshape(a,[-1,5,5,1]) >>> c = sess.run(b) array([[[[1.],[0.],[0.],[0.],[0.]],[[0.],[1.],[0.],[0.],[0.]],[[0.],[0.],[1.],[0.],[0.]],[[0.],[0.],[0.],[1.],[0.]],[[0.],[0.],[0.],[0.],[1.]]]], dtype=float32)

然后我們用步幅為2。2*2窗口計算max pooling。
命令如下：

d =tf.nn.max_pool(c,ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')

四元組中我們不必管第一個和最后一個，中間兩個是高和寬。ksize和步幅皆如此。
運行結果是一個3*3的對角陣：

>>> sess.run(d) array([[[[1.],[0.],[0.]],[[0.],[1.],[0.]],[[0.],[0.],[1.]]]], dtype=float32)

卷積網絡的結構

卷積神經網絡也叫卷積網絡，是一種善于處理網格數據的網絡。典型應用是處理一維網格數據語音和二維網格數據圖像。只要是在網絡結構中使用了哪怕一層的卷積層，就叫做卷積神經網絡。

與之前介紹的神經網絡都是全連接網絡，即每一層的每個節點都是上一層的所有節點相連接。
而卷積網絡一般是五種連接結構的組合：

輸入層：一般認為就是原圖片

卷積層：與全連接網絡不同，卷積層中每一個節點的輸入只是上一層神經網絡的一小塊，常用的塊大小為33或者55。一般來說，通過卷積層處理過的節點的矩陣的深度會變深

池化層：Pooling層不會改變矩陣的深度，但是會使矩陣變小?？梢岳斫鉃槌鼗瘜邮前迅叻直媛实膱D片轉化成低分辨率的圖片

全連接層：最后的分類工作一般還是由一至兩個全連接層來實現的。

Softmask層：可以得到當前樣例屬于不同分類的概率情況

卷積網絡簡史

上節深度學習簡史中我們提到過，第一個卷積網絡模型于1989年由Yann LeCun提出。卷積網絡的主要概念如為什么要卷積，為什么要降采樣，什么是徑向基函數RBF(Radial Basis Function)等。

10年后的1998年，Yann LeCun設計了LeNet網絡。在論文《Gradient-Based Learning Applied to Document Recognition》中提出了LeNet-5的模型，結構如下：

論文原文在：http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf

但是，正如我們前面介紹的，當時還是SVM輝煌的時代。
轉折點要到十幾年后的2012年，Hinton的學生Alex Krizhevsky發明的AlexNet之時。AlexNet在2012年的圖像分類競賽中將Top-5錯誤率從上一年的25.8%降到15.3%.

AlexNet成功之后，大家的研究熱情空前高漲。主要方向有網絡加深和功能增強。

網絡加深：深度學習的優勢就是突破了加深層數的關鍵點。那么就可以構建比AlexNet層數更多的網絡。代表作是2014年ImageNet比賽的亞軍牛津大學的VGGNet，它的層數可以達到16~19層。從而將Top-5錯誤率從AlexNet的15.3%降到了7.32%.

功能增強：代表作是GoogLeNet。GoogLeNet參考了NIN(Network In Network)的思想，將原來的線性卷積層改成了多層感知機。同時，將全連接層改進為全局平均池化。功能增強之后，GoogLeNet力壓VGGNet，獲得2014年ImageNet的冠軍，將Top-5錯誤率降到6.67%. 雖然功能有增強，但是在層數上GoogLeNet也毫沒客氣地增加到22層。后來在GoogLeNet的基礎上又推出Inception V3, V4等網絡。

既加深也增強：代表作是2015年的ImageNet分類冠軍，由微軟亞洲研究院發明的ResNet殘差網絡。ResNet在2015年的成績把錯誤率降到3.57%.

話說ImageNet真是個群英薈萃的地方。2012年第一名是Alex。2013的第一名是Matthew Zeiler，之前講過他提出的AdaGrad。
值得一提的是，在最近幾年的ImageNet中，華人屢創佳績。比如2016年的冠軍被公安部第三研究所搜神團隊獲得，成績是錯誤率2.99%。

作者：lusing

原文鏈接

本文為云棲社區原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的Tensorflow快餐教程(9) - 卷积的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。