DeepLearning
深層学習
CNN
TensorFlow
ConvolutionalNeuralNetworks

畳み込みニューラルネット Part2 [TensorFlowでDeep Learning 5]

More than 1 year has passed since last update.

(目次はこちら)

はじめに

前回の記事 では、畳み込みニューラルネットワークの事始めとして、畳み込み層のフィルタ(線形変換の重み)を固定したものを利用した。今回も、フィルタを固定したまま、少しモデルを拡張してみる。

拡張:全結合層の追加

多項ロジスティック回帰多層パーセプトロンに拡張した時と同様に、全結合層(fully-connected layer)を追加してみる。

追加する場所は、以前と同様に出力層の前に。
mnist_fixed_cnn_fc

コード

mnist_fixed_cnn_fc

mnist_fixed_cnn.py
from helper import *

IMAGE_WIDTH = 28
IMAGE_HEIGHT = 28
IMAGE_SIZE = IMAGE_WIDTH * IMAGE_HEIGHT
CATEGORY_NUM = 10
LEARNING_RATE = 0.1
FILTER_NUM = 2
BIAS_CONV = -0.1
FEATURE_DIM = 100
TRAINING_LOOP = 20000
BATCH_SIZE = 100
SUMMARY_DIR = 'log_fixed_cnn_fc'
SUMMARY_INTERVAL = 100

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

with tf.Graph().as_default():
    with tf.name_scope('input'):
        y_ = tf.placeholder(tf.float32, [None, CATEGORY_NUM], name='labels')
        x = tf.placeholder(tf.float32, [None, IMAGE_SIZE], name='input_images')

    with tf.name_scope('convolution'):
        W_conv = prewitt_filter()
        b_conv = tf.constant([BIAS_CONV] * FILTER_NUM, dtype = tf.float32, name='bias_conv')
        x_image = tf.reshape(x, [-1, IMAGE_WIDTH, IMAGE_HEIGHT, 1])
        h_conv = tf.nn.relu(tf.abs(conv2d(x_image, W_conv)) + b_conv)

    with tf.name_scope('fully-connected'):
        W_fc = weight_variable([IMAGE_SIZE * FILTER_NUM, FEATURE_DIM], name='weight_fc')
        b_fc = bias_variable([FEATURE_DIM], name='bias_fc')
        h_conv_flat = tf.reshape(h_conv, [-1, IMAGE_SIZE * FILTER_NUM])
        h_fc = tf.nn.relu(tf.matmul(h_conv_flat, W_fc) + b_fc)

    with tf.name_scope('readout'):
        W = weight_variable([FEATURE_DIM, CATEGORY_NUM], name='weight')
        b = bias_variable([CATEGORY_NUM], name='bias')
        y = tf.nn.softmax(tf.matmul(h_fc, W) + b)

    with tf.name_scope('optimize'):
        cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
        train_step = tf.train.GradientDescentOptimizer(LEARNING_RATE).minimize(cross_entropy)

    with tf.Session() as sess:
        train_writer = tf.train.SummaryWriter(SUMMARY_DIR + '/train', sess.graph)
        test_writer = tf.train.SummaryWriter(SUMMARY_DIR + '/test', sess.graph)

        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        train_accuracy_summary = tf.scalar_summary('accuracy', accuracy)
        test_accuracy_summary = tf.scalar_summary('accuracy', accuracy)

        sess.run(tf.initialize_all_variables())
        for i in range(TRAINING_LOOP + 1):
            batch = mnist.train.next_batch(BATCH_SIZE)
            sess.run(train_step, {x: batch[0], y_: batch[1]})

            if i % SUMMARY_INTERVAL == 0:
                print('step %d' % i)
                summary = sess.run(tf.merge_summary([train_accuracy_summary]), {x: batch[0], y_: batch[1]})
                train_writer.add_summary(summary, i)
                summary = sess.run(tf.merge_summary([test_accuracy_summary]), {x: mnist.test.images, y_: mnist.test.labels})
                test_writer.add_summary(summary, i)

コードの説明

変更が入った部分を。

全結合層

追加された層。reshape()が入っているけど、基本的には、多項ロジスティック回帰多層パーセプトロンに拡張した時と同じ。

    with tf.name_scope('fully-connected'):
        W_fc = weight_variable([IMAGE_SIZE * FILTER_NUM, FEATURE_DIM], name='weight_fc')
        b_fc = bias_variable([FEATURE_DIM], name='bias_fc')
        h_conv_flat = tf.reshape(h_conv, [-1, IMAGE_SIZE * FILTER_NUM])
        h_fc = tf.nn.relu(tf.matmul(h_conv_flat, W_fc) + b_fc)

出力層

全結合層でreshape()するので、ここでは不要になった。

    with tf.name_scope('readout'):
        W = weight_variable([FEATURE_DIM, CATEGORY_NUM], name='weight')
        b = bias_variable([CATEGORY_NUM], name='bias')
        y = tf.nn.softmax(tf.matmul(h_fc, W) + b)

結果

テストデータ(青線)での識別率は、97.8%程度。
全結合層を追加することで、96.8%から97.8%へ改善して、多層パーセプトロンとならんだ。

結局、多層パーセプトロンと並んだだけで、畳み込み層の意味が無いのでは??と感じるけど、勝手にPrewitt filter入れても、識別率が下がっていないのがいい。エッジ抽出が悪さをしなかったことがわかったということ。

result mnist_fixed_cnn_fc

あとがき

今回は、単純な畳み込みニューラルネットに全結合層を追加して、ちょっとディープラーニングっぽくなりました。次回の記事では、これをまたさらに少し拡張してみようかと。