从零开始用TensorFlow搭建卷积神经网络



https://www.jiqizhixin.com/articles/2017-08-29-14

机器之心GitHub项目：从零开始用TensorFlow搭建卷积神经网络

By  蒋思源 2017年8月29日 14:50

机器之心基于 Ahmet Taspinar 的博文使用 TensorFlow 手动搭建卷积神经网络，并提供所有代码和注释的 Jupyter Notebook 文档。我们将不仅描述训练情况，同时还将提供各种背景知识和分析。所有的代码和运行结果都已上传至 Github，机器之心希望通过我们的试验提供精确的代码和运行经验，我们将持续试验这一类高质量的教程和代码。

机器之心项目地址：https://github.com/jiqizhixin/ML-Tutorial-Experiment

本文的重点是实现，并不会从理论和概念上详细解释深度神经网络、卷积神经网络、最优化方法等基本内容。但是机器之心发过许多详细解释的入门文章或教程，因此，我们希望读者能先了解以下基本概念和理论。当然，本文注重实现，即使对深度学习的基本算法理解不那么深同样还是能实现本文所述的内容。

卷积神经网络：

• 机器视角：长文揭秘图像处理和卷积神经网络架构
• 深度 | 从入门到精通：卷积神经网络初学者指南（附论文）
• 专栏 | 卷积神经网络简介
• 重磅论文 | 解析深度卷积神经网络的14种设计模式（附下载）
• 深度 | 从入门到精通：卷积神经网络初学者指南（附论文）
• 深度 | 卷积神经网络架构详解：它与神经网络有何不同？

TensorFlow 入门：

• 入门级解读：小白也能看懂的 TensorFlow 介绍
• 教程 | 维度、广播操作与可视化：如何高效使用 TensorFlow
• 教程 | TensorFlow 从基础到实战：一步步教你创建交通标志分类神经网络
• 谷歌开放 GNMT 教程：如何使用 TensorFlow 构建自己的神经机器翻译系统

优化方法：

• 从浅层模型到深度模型：概览机器学习优化算法
• 教程 | 听说你了解深度学习最常用的学习算法：Adam 优化算法？
• 深度解读最流行的优化算法：梯度下降
• 从梯度下降到拟牛顿法：详解训练神经网络的五大学习算法

首先是安装 TensorFlow，我们可以直接按照 TensorFlow 官方教程安装。机器之心在 Jupyter Notebook 上运行和测试本文所有代码，但是 TensorFlow 在 Windows 上只支持 Python 3.5x，而我们现在安装的 Anaconda 支持的是 Python 3.6。所以如果需要在 Windows 上用 Jupyter Notebook 加载 TensorFlow，还需要另外一些操作。

TensorFlow 官方安装教程：https://www.tensorflow.org/install/

现在假定我们已经安装了最新的 Anaconda 4.4.0，如果希望在 Jupyter notebook 中导入 TensorFlow 需要以下步骤。

在 Anaconda Prompt（CMD 命令行中也行）中键入以下命令以创建名为 tensorflow 的 conda 环境：

conda create -n tensorflow python=3.5 

然后再运行以下命令行激活 conda 环境：

activate tensorflow