| Linear
Model
1.加载lesson 1中的数据集
2.将Data降维成一维，将label映射为one-hot encoding
| def
reformat(dataset, labels):
dataset = dataset.reshape((-1, image_size *
image_size)).astype(np.float32)
# Map 0 to [1.0, 0.0, 0.0 ...], 1 to [0.0, 1.0,
0.0 ...]
labels = (np.arange(num_labels) == labels[:,
None]).astype(np.float32)
return dataset, labels |
TensorFlow Graph
1.使用梯度计算train_loss，用tf.Graph()创建一个计算单元
2.用tf.constant将dataset和label转为tensorflow可用的训练格式（训练中不可修改）
3.用tf.truncated_normal生成正太分布的数据，作为W的初始值，初始化b为可变的0矩阵
4.用tf.variable将上面的矩阵转为tensorflow可用的训练格式（训练中可以修改）
5.用tf.matmul实现矩阵相乘，计算WX+b，这里实际上logit只是一个变量，而非结果
6.用tf.nn.softmax_cross_entropy_with_logits计算WX+b的结果相较于原来的label的train_loss，并求均值
7.使用梯度找到最小train_loss
|
optimizer = tf.train.GradientDescentOpt
imizer(0.5).minimize(loss)
|
8.计算相对valid_dataset和test_dataset对应的label的train_loss
上面这些变量都是一种Tensor的概念，它们是一个个的计算单元，我们在Graph中设置了这些计算单元，规定了它们的组合方式，就好像把一个个门电路串起来那样
TensorFLow Session
Session用来执行Graph里规定的计算，就好像给一个个门电路通上电，我们在Session里，给计算单元冲上数据，That’s
Flow.
1.重复计算单元反复训练800次，提高其准确度
2.为了快速查看训练效果，每轮训练只给10000个训练数据(subset)，恩，每次都是相同的训练数据
3.将计算单元graph传给session
4.初始化参数
5.传给session优化器 - train_loss的梯度optimizer，训练损失
- train_loss，每次的预测结果，循环执行训练
|
with tf.Session(graph=graph) as session:
tf.initialize_all_variables().run()
for step in range(num_steps):
_, l, predictions = session.run([optimizer,
loss, train_prediction]) |
6.在循环过程中，W和b会保留，并不断得到修正
7.在每100次循环后，会用验证集进行验证一次，验证也同时修正了一部分参数
8.最后用测试集进行测试
9.注意如果lesson 1中没有对数据进行乱序化，可能训练集预测准确度很高，验证集和测试集准确度会很低
10.这样训练的准确度为83.2%
SGD
1.每次只取一小部分数据做训练，计算loss时，也只取一小部分数据计算loss
2.对应到程序中，即修改计算单元中的训练数据，
3.每次输入的训练数据只有128个，随机取起点，取连续128个数据：
|
offset = (step * batch_size) % (train_labels.shape[0]
- batch_size)
batch_data = train_dataset[offset:(offset +
batch_size), :]
batch_labels = train_labels[offset:(offset +
batch_size), :] |
4.由于这里的数据是会变化的，因此用tf.placeholder来存放这块空间
|
tf_train_dataset = tf.placeholder(tf.float32,
shape=(batch_size, image_size * image_size))
tf_train_labels = tf.placeholder(tf.float32,
shape=(batch_size, num_labels)) |
5.计算3000次，训练总数据量为384000，比之前8000000少
6.准确率提高到86.5%，而且准确率随训练次数增加而提高的速度变快了
神经网络
1.上面SGD的模型只有一层WX+b，现在使用一个RELU作为中间的隐藏层，连接两个WX+b
2.仍然只需要修改Graph计算单元为
|
Y = W2 * RELU(W1*X + b1) + b2 |
3.为了在数学上满足矩阵运算，我们需要这样的矩阵运算：
|
[n * 10] = RELU([n * 784] · [784 * N] + [n *
N]) · [N * 10] + [n * 10] |
4.这里N取1024，即1024个隐藏结点
5.于是四个参数被修改
|
weights1 = tf.Variable(
tf.truncated_normal([image_size * image_size,
hidden_node_count]))
biases1 = tf.Variable(tf.zeros([hidden_node_count]))
weights2 = tf.Variable(
tf.truncated_normal([hidden_node_count, num_labels]))
biases2 = tf.Variable(tf.zeros([num_labels])) |
6.预测值计算方法改为
|
ys = tf.matmul(tf_train_dataset, weights1) +
biases1
hidden = tf.nn.relu(ys)
logits = tf.matmul(hidden, weights2) + biases2 |
7.计算3000次，可以发现准确率一开始提高得很快，后面提高速度变缓，最终测试准确率提高到88.8%
深度神经网络实践
优化
Regularization
在前面实现的RELU连接的两层神经网络中，加Regularization进行约束，采用加l2 norm的方法，进行调节：
代码实现上，只需要对tf_sgd_relu_nn中train_loss做修改即可：
1.可以用tf.nn.l2_loss(t)对一个Tensor对象求l2
norm
2.需要对我们使用的各个W都做这样的计算（参考tensorflow官方example）
| l2_loss
= tf.nn.l2_loss(weights1) + tf.nn.l2_loss(weights2) |
3.添加到train_loss上
4.这里还有一个重要的点，Hyper Parameter: β
5.我觉得这是一个拍脑袋参数，取什么值都行，但效果会不同，我这里解释一下我取β=0.001的理由
6.如果直接将l2_loss加到train_loss上，每次的train_loss都特别大，几乎只取决于l2_loss
7.为了让原本的train_loss与l2_loss都能较好地对参数调整方向起作用，它们应当至少在同一个量级
8.观察不加l2_loss，step 0 时，train_loss在300左右
9.加l2_loss后， step 0 时，train_loss在300000左右
10.因此给l2_loss乘0.0001使之降到同一个量级
|
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with
_logits(logits,
tf_train_labels)) + 0.001 * l2_loss |
11.所有其他参数不变，训练3000次，准确率提高到92.7%
12.黑魔法之所以为黑魔法就在于，这个参数可以很容易地影响准确率，如果β
= 0.002，准确率提高到93.5%
OverFit问题
1.在训练数据很少的时候，会出现训练结果准确率高，但测试结果准确率低的情况
2.缩小训练数据范围：将把batch数据的起点offset的可选范围变小（只能选择0-1128之间的数据）：
| offset_range
= 1000
offset = (step * batch_size) % offset_range |
3.可以看到，在step500后，训练集就一直是100%，验证集一直是77.6%，准确度无法随训练次数上升，最后的测试准确度是85.4%
DropOut
1.采取Dropout方式强迫神经网络学习更多知识
2.我们需要丢掉RELU出来的部分结果
| keep_prob
= tf.placeholder(tf.float32)
if drop_out:
hidden_drop = tf.nn.dropout(hidden, keep_prob)
h_fc = hidden_drop |
3.调用tf.nn.dropout达到我们的目的：
4.这里的keep_prob是保留概率，即我们要保留的RELU的结果所占比例，tensorflow建议的语法是，让它作为一个placeholder，在run时传入
5.当然我们也可以不用placeholder，直接传一个0.5：
| if
drop_out:
hidden_drop = tf.nn.dropout(hidden, 0.5)
h_fc = hidden_drop |
6.这种训练的结果就是，虽然在step 500对训练集预测没能达到100%（起步慢），但训练集预测率达到100%后，验证集的预测正确率仍然在上升
7.这就是Dropout的好处，每次丢掉随机的数据，让神经网络每次都学习到更多，但也需要知道，这种方式只在我们有的训练数据比较少时很有效
8.最后预测准确率为88.0%
Learning Rate Decay
1.随着训练次数增加，自动调整步长
2.在之前单纯两层神经网络基础上，添加Learning Rate
Decay算法
3.使用tf.train.exponential_decay方法，指数下降调整步长，具体使用方法官方文档说的特别清楚
4.注意这里面的cur_step传给优化器，优化器在训练中对其做自增计数
5.与之前单纯两层神经网络对比，准确率直接提高到90.6%
Deep Network
增加神经网络层数，增加训练次数到20000
1.为了避免修改网络层数需要重写代码，用循环实现中间层
| #
middle layer
for i in range(layer_cnt - 2):
y1 = tf.matmul(hidden_drop, weights[i]) + biases[i]
hidden_drop = tf.nn.relu(y1)
if drop_out:
keep_prob += 0.5 * i / (layer_cnt + 1)
hidden_drop = tf.nn.dropout(hidden_drop, keep_prob) |
2.初始化weight在迭代中使用
| for
i in range(layer_cnt - 2):
if hidden_cur_cnt > 2:
hidden_next_cnt = int(hidden_cur_cnt / 2)
else:
hidden_next_cnt = 2
hidden_stddev = np.sqrt(2.0 / hidden_cur_cnt)
weights.append(tf.Variable(tf.truncated_norma
l([hidden_cur_cnt,
hidden_next_cnt], stddev=
hidden_stddev)))
biases.append(tf.Variable(tf.zeros([hidden_
next_cnt])))
hidden_cur_cnt = hidden_next_cnt |
3.第一次测试时，用正太分布设置所有W的数值，将标准差设置为1，由于网络增加了一层，寻找step调整方向时具有更大的不确定性，很容易导致loss变得很大
4.因此需要用stddev调整其标准差到一个较小的范围（怎么调整有许多研究，这里直接找了一个来用）
|
stddev = np.sqrt(2.0 / n) |
5.启用regular时，也要适当调一下β，不要让它对原本的loss造成过大的影响
6.DropOut时，因为后面的layer得到的信息越重要，需要动态调整丢弃的比例，到后面的layer，丢弃的比例要减小
| keep_prob
+= 0.5 * i / (layer_cnt + 1) |
7.训练时，调节参数，你可能遇到消失（或爆炸）的梯度问题，
8.训练到一定程度后，梯度优化器没有什么作用，loss和准确率总是在一定范围内徘徊
9.官方教程表示最好的训练结果是，准确率97.5%，
10.我的nn_overfit.py开启六层神经网络，
11.启用Regularization、DropOut、Learning
Rate Decay，
12.训练次数20000（应该还有再训练的希望，在这里虽然loss下降很慢了，但仍然在下降），训练结果是，准确率95.2% |
