當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识

發布時間：2025/3/15 编程问答 22 豆豆

生活随笔收集整理的這篇文章主要介紹了用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

用tensorflow搭建RNN(LSTM)進行MNIST 手寫數字辨識

循環神經網絡RNN相比傳統的神經網絡在處理序列化數據時更有優勢，因為RNN能夠將加入上（下）文信息進行考慮。一個簡單的RNN如下圖所示：

將這個循環展開得到下圖：

上一時刻的狀態會傳遞到下一時刻。這種鏈式特性決定了RNN能夠很好的處理序列化的數據，RNN 在語音識別，語言建模，翻譯，圖片描述等問題上已經取得了很到的結果。
根據輸入、輸出的不同和是否有延遲等一些情況，RNN在應用中有如下一些形態：

RNN存在的問題

RNN能夠把狀態傳遞到下一時刻，好像對一部分信息有記憶能力一樣，如下圖：

h3

的值可能會由x1,x2的值來決定。
但是，對于一些復雜場景

由于距離太遠，中間間隔了太多狀態，x1,x2對ht+1

的值幾乎起不到任何作用。（梯度消失和梯度爆炸）

LSTM（Long Short Term Memory）

由于RNN不能很好地處理這種問題，于是出現了LSTM（Long Short Term Memory）一種加強版的RNN（LSTM可以改善梯度消失問題）。簡單來說就是原始RNN沒有長期的記憶能力，于是就給RNN加上了一些記憶控制器，實現對某些信息能夠較長期的記憶，而對某些信息只有短期記憶能力。
如上圖所示，LSTM中存在Forget Gate,Input Gate,Output Gate來控制信息的流動程度。
RNN：

LSTN：

加號圓圈表示線性相加，乘號圓圈表示用gate來過濾信息。

Understanding LSTM中對LSTM有非常詳細的介紹。（對應的中文翻譯）

LSTM MNIST手寫數字辨識

實際上，圖片文字識別這類任務用CNN來做效果更好，但是這里想要強行用LSTM來做一波。
MNIST_data中每一個image的大小是28*28，以行順序作為序列輸入，即第一行的28個像素作為$x_{0}
，第二行為

x_1，...，第28行的28個像素作為

x_28$輸入，一個網絡結構總共的輸入是28個維度為28的向量，輸出值是10維的向量，表示的是0-9個數字的概率值。這是一個many to one的RNN結構。
下面直接上代碼：

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data', one_hot=True)# 參數設置 BATCH_SIZE = 100 # BATCH的大小，相當于一次處理50個image TIME_STEP = 28 # 一個LSTM中，輸入序列的長度，image有28行 INPUT_SIZE = 28 # x_i 的向量長度，image有28列 LR = 0.01 # 學習率 NUM_UNITS = 100 # 多少個LTSM單元 ITERATIONS=8000 # 迭代次數 N_CLASSES=10 # 輸出大小，0-9十個數字的概率# 定義 placeholders 以便接收x,y train_x = tf.placeholder(tf.float32, [None, TIME_STEP * INPUT_SIZE]) # 維度是[BATCH_SIZE，TIME_STEP * INPUT_SIZE] image = tf.reshape(train_x, [-1, TIME_STEP, INPUT_SIZE]) # 輸入的是二維數據，將其還原為三維，維度是[BATCH_SIZE, TIME_STEP, INPUT_SIZE] train_y = tf.placeholder(tf.int32, [None, N_CLASSES]) # 定義RNN（LSTM）結構 rnn_cell = tf.contrib.rnn.BasicLSTMCell(num_units=NUM_UNITS) outputs,final_state = tf.nn.dynamic_rnn(cell=rnn_cell, # 選擇傳入的cellinputs=image, # 傳入的數據initial_state=None, # 初始狀態dtype=tf.float32, # 數據類型time_major=False, # False: (batch, time step, input); True: (time step, batch, input)，這里根據image結構選擇False ) output = tf.layers.dense(inputs=outputs[:, -1, :], units=N_CLASSES)

這里outputs,final_state = tf.nn.dynamic_rnn（...）.
final_state包含兩個量，第一個為c保存了每個LSTM任務最后一個cell中每個神經元的狀態值，第二個量h保存了每個LSTM任務最后一個cell中每個神經元的輸出值，所以c和h的維度都是[BATCH_SIZE,NUM_UNITS]。
outputs的維度是[BATCH_SIZE,TIME_STEP,NUM_UNITS],保存了每個step中cell的輸出值h。
由于這里是一個many to one的任務，只需要最后一個step的輸出outputs[:, -1, :]，output = tf.layers.dense(inputs=outputs[:, -1, :], units=N_CLASSES) 通過一個全連接層將輸出限制為N_CLASSES。

loss = tf.losses.softmax_cross_entropy(onehot_labels=train_y, logits=output) # 計算loss train_op = tf.train.AdamOptimizer(LR).minimize(loss) #選擇優化方法correct_prediction = tf.equal(tf.argmax(train_y, axis=1),tf.argmax(output, axis=1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction,'float')) #計算正確率sess = tf.Session() sess.run(tf.global_variables_initializer()) # 初始化計算圖中的變量for step in range(ITERATIONS): # 開始訓練x, y = mnist.train.next_batch(BATCH_SIZE) test_x, test_y = mnist.test.next_batch(5000)_, loss_ = sess.run([train_op, loss], {train_x: x, train_y: y})if step % 500 == 0: # test（validation）accuracy_ = sess.run(accuracy, {train_x: test_x, train_y: test_y})print('train loss: %.4f' % loss_, '| test accuracy: %.2f' % accuracy_)

訓練過程輸出：

可以看到，雖然RNN是擅長處理序列類的任務，在MNIST手寫數字圖片辨識這個任務上，RNN同樣可以取得很高的正確率。

參考：
http://colah.github.io/posts/2015-08-Understanding-LSTMs/
https://yjango.gitbooks.io/superorganism/content/lstmgru.html
參考代碼

https://www.cnblogs.com/sandy-t/p/6930608.html

有些人，一輩子都沒有得到過自己想要的，因為他們總是半途而廢

總結

以上是生活随笔為你收集整理的用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识的全部內容，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。

上一篇： python 格式化输出%和format
下一篇： cad和python哪个好学_对纯外行人