Korábban már írtam a konvolúciós neurális hálózatok felépétéséről, ez a poszt a következő linken érhető el: http://www.dotnetszeged.hu/mic/?p=1750
Most pedig azt szeretném bemutatni, hogy a tensorflow segítségével miként lehet felépíteni a modellünket.
A modell megalkotásához a tf.layers modulra van szükség, mely metódusokat tartalmaz az egyes rétegek beállításához.

Input Layer
Ahhoz, hogy a convolutional layernek át tudjuk adni az adatokat szükség lesz egy rétegre ami az inputot megfelelő alakra hozza.

• batch_size: A tanítási folyamatban használt példák részhalmazának mérete.
• image_height: A képek magassága.
• image_width: A képek szélessége.
• channels: A színcsatornák száma a képekben. Színes képek esetén 3, monokróm képeknél pedig 1.
• data_format: Megadja a channels paraméter helyét, alapértelmezetten leghátul szerepel (channels_last), ha átállítjuk akkor pedig a batch_size után lesz (channels_first)

Példa:

input_layer = tf.reshape(features[“x”], [-1, 28, 28, 1])

Itt a features input halmazt alakítjuk át a reshape függvénnyel. A batch_size -1-re lett állítva, így dinamikusan kezeljük az input mérete alapján. A képek 28×28 pixel nagyságúak és fekete fehérek.

Convolutional Layer
Paraméterben elsőként megadjuk az input layert, amely a megfelelő alakra hozta a bemeneti adatokat. Ezután a filterek számát és méretét, a paddingot ami meghatározza az output méretét és végül az aktivációs függvényt.
Példa:

conv = tf.layers.conv2d(
inputs=input_layer,
filters=32,
kernel_size=[5, 5],
padding=”same”,
activation=tf.nn.relu)

32 darab 5×5-ös filtert használunk, az output mérete megegyezik az input méretével (0-val tölti ki a tensorflow a széleket) és ReLu aktivációs függvényt alkalmaz.
Output [batch_size, 28, 28, 32] alakú lesz, azaz a szélesség és magasság nem változik és filterenként egy aktivációs térkép keletkezik.

Pooling Layer
A méret csökkentéséhez csatlakoztatjuk a konvolúciós réteghez. Meghatározzuk, hogy mi alapján szertnénk csökkenteni, mekkora területeket vizsgálunk és ezek között mekkora átfedés legyen.
Péda:

pool = tf.layers.max_pooling2d(inputs=conv, pool_size=[2, 2], strides=2)

Max poolingot hajt végre, a konvolúciós réteg által átadott adatokon, 2×2-es filtereket használunk, melyeket 2-vel toljuk el. Az output mérete lefeleződik, így 14×14 lesz.

Dense Layer / Fully Connected Layer
Ebben a rétegben szeretnénk osztályozni a korábbi convolutional és pooling layerek által adott feature-öket. Először a réteg inputját kétdimenzióssá kell alakítanunk, a reshape függvényt alkalmazzuk.
Példa:

pool_flat = tf.reshape(pool, [-1, 14 * 14 * 32])

A batch_size itt is dinamikusan lesz beállítva. A feature dimenzió pedig az előző réteg által adott magasság, szélesség és csatornaszám szorzata. Az átalakítás után létrehozhatjuk a dense layert a megfelelő metódus meghívásával.
Példa:

dense = tf.layers.dense(inputs=pool_flat, units=1024, activation=tf.nn.relu)

A units paraméter mondja meg a rétegben lévő neuronok pedig, az action pedig az aktivációs függvényt.
Az overfitting elkerülése érdekében használhatunk dropout metódust. Ekkor az elemek bizonyos százalékát,a rate paraméternek megfelelően véletlenszerűen kiejti.
A rate mellett a beállítjuk, hogy éppen tanítási fázisban van-e a modell vagy sem, mivel a dropout csak tanítás közben működik.
Példa:

dropout = tf.layers.dropout(inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

Logits Layer
A modell utolsó rétege, visszatér a prediction értékével. Szintén dense layert használunk.
Példa:

logits = tf.layers.dense(inputs=dropout, units=10)

Prediction készítés
Prediction létrehozásához át kell alakítani a logits layer outputját predicted class és probabilities formátumokra. Ha a jósolt osztály rendelkezik a legmagasabb valószínűséggel, akkor meg tudjuk adni az indexét a tf.argmax függvénnyel.
Példa:

tf.argmax(input=logits, axis=1)

Majd megadhatjuk a valószínűségeket az utolsó rétegből:

tf.nn.softmax(logits, name=”softmax_tensor”)

A konvertálás után már képesek vagyunk elkészíteni a predictiont.

predictions = {
“classes”: tf.argmax(input=logits, axis=1),
“probabilities”: tf.nn.softmax(logits, name=”softmax_tensor”)
}
if mode == tf.estimator.ModeKeys.PREDICT:
return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)

Veszteség számolás
Szükség van egy loss functionre, ami megadja mennyire találja el a modell a valós osztályt. Mind tanításhoz, mind kiértékeléshez használjuk.

loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)

Tanítási optimalizáció
Célunk minimalizálni a veszteséget a tanítási folyamat során, ehhez választanunk kell egy optimalizálási algoritmust, ami jelen esetben a gradient descent.

if mode == tf.estimator.ModeKeys.TRAIN:
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001)
train_op = optimizer.minimize(
loss=loss,
global_step=tf.train.get_global_step())
return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)

 

Tanítási és kiértékelési folyamat

Adatok betöltése

def main(unused_argv): mnist = tf.contrib.learn.datasets.load_dataset(“mnist”) train_data = mnist.train.images train_labels = np.asarray(mnist.train.labels, dtype=np.int32) eval_data = mnist.test.images eval_labels = np.asarray(mnist.test.labels, dtype=np.int32)

A tanító képeket és hozzájuk tartozó címkéket numpy arrayben tároljuk. A kiértékelő adatok esetén is így járunk el.

Estimator
A gépi tanulás megkönnyítésére használatos magas szintű tensorlow API. Ahogyan mások által előre megírt estimatorokat is használhatunk, úgy magunknak is készíthetünk. Számos előnnyel jár ezek használata:

• Leegyszerűsíti a a fejlesztők közötti implementáció megosztást.
• Könnyebben tudunk modellt készíteni, mintha az alacsony szintű tensorflow API-kat használnánk.
• Gráfot készít nekünk.
• A tanítási folyamatot bitonságosabbá teszi.
• Kezeli a változók inicializálását, az adat betöltést, az exception-öket.
• Mentési fájlokat készít az esetleges sikertelenség esetén.

Példa:

mnist_classifier = tf.estimator.Estimator(
model_fn=cnn_model_fn, model_dir=”/tmp/mnist_convnet_model”)

Modell tanítása

train_input_fn = tf.estimator.inputs.numpy_input_fn(
x={“x”: train_data},
y=train_labels,
batch_size=100,
num_epochs=None,
shuffle=True)
mnist_classifier.train(
input_fn=train_input_fn,
steps=20000)

A tanítási adatokat és címkéket megadjuk az x és y paraméterben, valamint beállítjuk hogy minden lépésben 100 példán tanuljon a modell.
Egy meghatározott számú lépés eléréséig fog zajlani a tanítási folyamat, ezt a num_epochs=None-nal lehet szabályozni. Steps-ben megadott szám jelenti, hogy a modell hány lépésig fog tanulni.

Kiértékelés

A tanítási folyamat befejeztével ki szeretnénk értékelni a modell hatékonyságát. A tesztelésre a betöltéskor elkülönített adatokat használjuk.

eval_input_fn = tf.estimator.inputs.numpy_input_fn(
x={“x”: eval_data},
y=eval_labels,
num_epochs=1,
shuffle=False)
eval_results = mnist_classifier.evaluate(input_fn=eval_input_fn)
print(eval_results)

Ebben az esetben egy ciklus után megjelenik az eredmény.
Végezetül már csak futtatni kell a programot.