正文
博客地址：https://www.cnblogs.com/zylyehuo/
效果展示
下载项目
https://github.com/zylyehuo/ANN-main
下载数据集（共四个）(上一步中已包含数据集，按需自己下载)
http://yann.lecun.com/exdb/mnist/
目录结构
完整过程流程图
模型训练过程流程图
手写数字预测过程流程图
dataloader.py
import numpy as np
import struct
import matplotlib.pyplot as plt
import os
# download the mnist dataset from http://yann.lecun.com/exdb/mnist/
# 读取要训练的数据集
def read_train_data(path=''):
with open(os.path.join(path, 'train-images.idx3-ubyte'), 'rb') as f1:
buf1 = f1.read()
with open(os.path.join(path, 'train-labels.idx1-ubyte'), 'rb') as f2:
buf2 = f2.read()
return buf1, buf2
# 读取要测试的数据集
def read_test_data(path=''):
with open(os.path.join(path, 't10k-images.idx3-ubyte'), 'rb') as f1:
buf1 = f1.read()
with open(os.path.join(path, 't10k-labels.idx1-ubyte'), 'rb') as f2:
buf2 = f2.read()
return buf1, buf2
# 得到图片数据
def get_image(buf1):
image_index = 0
'''
struct.calcsize('>IIII') 是Python中用于计算二进制数据格式字符串的大小的函数调用
它描述了一个包含四个大端字节序的无符号整数的数据结构的大小
'''
image_index += struct.calcsize('>IIII')
img_num = int((len(buf1) - 16) / 784)
im = []
for i in range(img_num):
temp = list(struct.unpack_from('>784B', buf1, image_index)) # '>784B'的意思就是用大端法读取784个unsigned byte
im.append(temp)
image_index += struct.calcsize('>784B') # 每次增加784B
im = np.array(im, dtype=np.float32) # 将图片作为数据源传入numpy数组
return im
# 得到标签数据
def get_label(buf2):
label_index = 0
'''
用于计算二进制数据格式字符串的大小的函数
'>II' 是格式字符串，它描述了要打包或解包的数据结构。
在这个格式字符串中，> 表示使用大端字节序（big-endian），
I 表示一个无符号整数（unsigned int）。
'''
label_index += struct.calcsize('>II')
idx_num = int(len(buf2) - 8)
labels = []
for i in range(idx_num):
temp = list(struct.unpack_from('>1B', buf2, label_index))
labels.append(temp)
label_index += 1
labels = np.array(labels, dtype=int) # 将标签作为数据源传入numpy数组
return labels
# 加载训练数据
def load_train_data(path=''):
img_buf, label_buf = read_train_data(path)
imgs = get_image(img_buf)
labels = get_label(label_buf)
return imgs, labels
# 加载测试数据
def load_test_data(path=''):
img_buf, label_buf = read_test_data(path)
imgs = get_image(img_buf) # 得到图片数据
labels = get_label(label_buf) # 得到标签数据
return imgs, labels
if __name__ == "__main__":
# 测试查看数据集数据使用
"""
from keras.datasets import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data() # 挂梯子
print(f"train_images.shape = {train_images.shape}\ntest_labels.shape = {test_images.shape}")
print("train_labels", train_labels)
print("teat_labels", test_labels)
# print(train_images[0])
print(train_labels[-1])
plt.imshow(train_images[-1])
plt.show()
"""
imgs, labels = load_test_data()
for i in range(9):
# 将整个图像窗口分为3行3列
plt.subplot(3, 3, i + 1)
# 设置窗口的标题
title = u"标签对应为：" + str(labels[i])
# 显示窗口的标题
plt.title(title, fontproperties='SimHei')
# 将读取的图片数据源改成28x28的大小
img = np.array(imgs[i]).reshape((28, 28))
# cmap参数: 为调整显示颜色 gray为黑白色，加_r取反为白黑色
plt.imshow(img, cmap='gray')
plt.show()
neural_network.py
import numpy as np
import os
import dataloader as dl # 导入数据加载器模块
import random
import argparse # 导入命令行参数解析模块
import matplotlib.pyplot as plt
# 创建解析器
parser = argparse.ArgumentParser()
# 添加参数
# --data_path 的默认参数为 ’./‘ 即当前路径
parser.add_argument('--data_path', type=str, default='./')
# 解析参数
args = parser.parse_args()
# 加载参数
data_path = args.data_path
# 激活函数
class Sigmoid(object):
def __init__(self):
self.gradient = []
def forward(self, x):
"""
Sigmoid激活函数的前向传播函数。
Args:
x (numpy.ndarray): 输入数据。
Returns:
numpy.ndarray: 经过Sigmoid激活后的数据。
"""
self.gradient = x * (1.0 - x)
return 1.0 / (1.0 + np.exp(-x))
def backward(self):
"""
Sigmoid激活函数的反向传播函数。
Returns:
numpy.ndarray: 梯度。
"""
return self.gradient
# ReLU激活函数
class ReLU(object):
def __init__(self):
self.gradient = []
def forward(self, input_data):
"""
ReLU激活函数的前向传播函数。
Args:
input_data (numpy.ndarray): 输入数据。
Returns:
numpy.ndarray: 经过ReLU激活后的数据。
"""
extend_input = input_data
self.gradient = np.where(input_data >= 0, 1, 0.001)
self.gradient = self.gradient[:, None]
input_data[input_data < 0] = 0.01 * input_data[input_data < 0]
return input_data
def backward(self):
"""
ReLU激活函数的反向传播函数。
Returns:
numpy.ndarray: 梯度。
"""
return self.gradient
def softmax(input_data):
"""
softmax函数用于将输入数据转化为概率分布。
Args:
input_data (numpy.ndarray): 输入数据。
Returns:
numpy.ndarray: 经过Softmax处理后的概率分布。
"""
# 减去最大值防止softmax上下溢出
input_max = np.max(input_data)
input_data -= input_max
input_data = np.exp(input_data)
exp_sum = np.sum(input_data)
input_data /= exp_sum
return input_data
# 全连接
class FullyConnectedLayer(object):
def __init__(self, input_size, output_size, learning_rate=0.01):
self._w = np.random.randn(input_size * output_size) / np.sqrt(input_size * output_size)
self._w = np.reshape(self._w, (input_size, output_size))
b = np.zeros((1, output_size), dtype=np.float32)
self._w = np.concatenate((self._w, b), axis=0)
self._w = self._w.astype(np.float32)
# self._w = np.ones((input_size + 1, output_size), dtype=np.float32)
self.lr = learning_rate
self.gradient = np.zeros((input_size + 1, output_size), dtype=np.float32)
self.w_gradient = []
self.input = []
def forward(self, input_data):
"""
全连接层的前向传播函数。
Args:
input_data (numpy.ndarray): 输入数据。
Returns:
numpy.ndarray: 前向传播结果。
"""
# 将b加入w矩阵
input_data = np.append(input_data, [1.0], axis=0)
input_data = input_data.astype(np.float32)
# 计算线性乘积
output_data = np.dot(input_data.T, self._w)
# 保存输入数据以计算梯度
self.input = input_data
# 更新梯度
self.gradient = self._w
self.w_gradient = input_data
return output_data
def backward(self):
"""
全连接层的反向传播函数。
Returns:
numpy.ndarray: 梯度。
"""
return self._w[:-1, :]
def update(self, delta_grad):
"""
更新权重参数的函数。
Args:
delta_grad (numpy.ndarray): 更新的梯度。
"""
self.input = self.input[:, None]
self._w -= self.lr * np.matmul(self.input, delta_grad)
def get_w(self):
"""
获取权重参数的函数。
Returns:
numpy.ndarray: 权重参数。
"""
return self._w
def set_w(self, w):
"""
设置权重参数的函数。
Args:
w (numpy.ndarray): 要设置的权重参数。
"""
self._w = w
# 交叉熵损失函数
class CrossEntropyWithLogit(object):
def __init__(self):
self.gradient = []
def calculate_loss(self, input_data, y_gt):
"""
计算交叉熵损失函数。
Args:
input_data (numpy.ndarray): 输入数据。
y_gt (numpy.ndarray): 真实标签。
Returns:
float: 损失值。
"""
input_data = softmax(input_data)
# 交叉熵公式 -sum(yi*logP(i))
loss = -np.sum(y_gt * np.log(input_data + 1e-5))
# 计算梯度
self.gradient = input_data - y_gt
return loss
def predict(self, input_data):
"""
预测函数，返回预测的类别。
Args:
input_data (numpy.ndarray): 输入数据。
Returns:
int: 预测的类别。
"""
# input_data = softmax(input_data)
return np.argmax(input_data)
def backward(self):
"""
交叉熵损失函数的反向传播函数。
Returns:
numpy.ndarray: 梯度。
"""
return self.gradient.T
# MNIST神经网络模型
class MNISTNet(object):
def __init__(self):
self.linear_layer1 = FullyConnectedLayer(28 * 28, 128)
self.linear_layer2 = FullyConnectedLayer(128, 10)
self.relu1 = ReLU()
self.relu2 = ReLU()
self.loss = CrossEntropyWithLogit()
def train(self, x, y):
"""
训练函数，包括前向传播和反向传播。
Args:
x (numpy.ndarray): 输入数据。
y (numpy.ndarray): 真实标签。
Returns:
float: 损失值。
"""
# 前向传播
x = self.linear_layer1.forward(x)
x = self.relu1.forward(x)
x = self.linear_layer2.forward(x)
x = self.relu2.forward(x)
loss = self.loss.calculate_loss(x, y)
# print("loss:{}".format(loss))
# 反向传播
loss_grad = self.loss.backward()
relu2_grad = self.relu2.backward()
layer2_grad = self.linear_layer2.backward()
grads = np.multiply(loss_grad, relu2_grad)
self.linear_layer2.update(grads.T)
grads = layer2_grad.dot(grads)
relu1_grad = self.relu1.backward()
grads = np.multiply(relu1_grad, grads)
self.linear_layer1.update(grads.T)
return loss
def predict(self, x):
"""
预测函数，返回预测的类别。
Args:
x (numpy.ndarray): 输入数据。
Returns:
int: 预测的类别。
"""
# 前向传播
x = self.linear_layer1.forward(x)
x = self.relu1.forward(x)
x = self.linear_layer2.forward(x)
x = self.relu2.forward(x)
number_index = self.loss.predict(x)
return number_index
def save(self, path='.', w1_name='w1', w2_name='w2'):
"""
保存权重参数到文件。
Args:
path (str): 保存路径。
w1_name (str): 第一个权重参数文件名。
w2_name (str): 第二个权重参数文件名。
"""
w1 = self.linear_layer1.get_w()
w2 = self.linear_layer2.get_w()
np.save(os.path.join(path, w1_name), w1)
np.save(os.path.join(path, w2_name), w2)
def evaluate(self, x, y):
"""
评估函数，判断预测是否正确。
Args:
x (numpy.ndarray): 输入数据。
y (numpy.ndarray): 真实标签。
Returns:
bool: 预测是否正确。
"""
if y == self.predict(x):
return True
else:
return False
def load_param(self, path=""):
"""
加载权重参数。
Args:
path (str): 参数文件路径。
"""
w1 = np.load(os.path.join(path, 'w1.npy'))
w2 = np.load(os.path.join(path, 'w2.npy'))
self.linear_layer1.set_w(w1)
self.linear_layer2.set_w(w2)
def one_hot_encoding(y):
one_hot_y = np.eye(10)[y]
return one_hot_y
def train_net(data_path=''):
"""
训练神经网络模型。
Args:
data_path (str): 数据路径，默认为当前路径。
"""
m_net = MNISTNet()
x_train, y_train = dl.load_train_data(data_path)
'''
这行代码执行了以下两个步骤：
1、归一化：将输入数据中的每个像素值除以255。这是因为MNIST数据集中的像素值范围是0到255，通过将它们除以255，
将它们缩放到了0到1之间。这种归一化有助于神经网络的训练，因为它将输入数据的值范围映射到了一个更小的区间，有助于加速训练过程。
2、中心化：从每个像素值中减去0.5。这意味着将所有像素值的平均值平移到0附近。
这个步骤有助于训练过程中的数值稳定性，通常在输入数据的均值不为0时进行中心化。
综合起来，这行代码的目的是将原始的像素值转换为一个均值接近0、范围在-0.5到0.5之间的归一化值，
以更好地满足神经网络的训练需求。这是神经网络中常见的数据预处理步骤之一。
'''
x_train = x_train / 255 - 0.5
'''
将目标标签（或类别）进行独热编码（One-Hot Encoding）的操作。这是为了适应多类别分类问题的标签表示方式。
在机器学习中，特别是在多类别分类任务中，通常会使用独热编码来表示目标标签。独热编码是一种二进制编码方式，
其中每个类别都由一个长度等于类别总数的二进制向量表示。在这个向量中，只有一个元素是1，其他元素都是0，用来表示样本所属的类别。
这种编码方式有助于模型理解和处理多类别分类问题。
在这里，one_hot_encoding 函数将原始的目标标签 y_train 转换为独热编码的形式。
'''
y_train = one_hot_encoding(y_train)
epoch = 200 # 定义训练的轮数，也就是训练过程将遍历整个训练数据集的次数
# num_examples = iter * batch_size
for i in range(epoch):
average_loss = 0 # 用于记录每个epoch中的平均损失
'''
x_train.shape[0] 是 NumPy 数组 x_train 的属性，表示该数组的第一维度（也就是行数）。
在这个上下文中，x_train 应该是一个包含训练数据的 NumPy 数组，通常是一个二维数组，其中每一行代表一个训练样本，而每一列代表该样本的特征。
所以，x_train.shape[0] 返回的值就是训练数据集中样本的数量，也就是数据集的行数。
在上述代码中，它用于计算平均损失，以便将累积的损失除以数据集中的样本数量，从而得到每个 epoch 的平均损失。
例如，如果 x_train 的形状是 (60000, 784)，那么 x_train.shape[0] 就是 60000，表示数据集中有 60000 个训练样本。
'''
for j in range(x_train.shape[0]):
# 遍历训练数据集中的每个样本
# 计算并累加损失，同时更新模型参数
average_loss += m_net.train(x_train[j], y_train[j])
# 打印每2000个样本的训练损失，以便实时监视模型的训练进度。
if j % 2000 == 0:
print('train set loss(epo:{}): {}'.format(i, average_loss / (j + 1)))
# 打印每个epoch的平均损失
print('train set average loss: {}'.format(average_loss / x_train.shape[0]))
# 保存模型参数，通常在每个epoch结束后保存，以便稍后使用
m_net.save()
def eval_net(path=""):
"""
评估神经网络模型。
计算在测试数据集上的分类准确度（precision）或召回率（recall）
加载训练好的神经网络模型，在测试数据集上进行分类预测，并计算模型的分类准确度，以评估模型在新数据上的性能。
Args:
path (str): 参数文件路径。
"""
x_test, y_test = dl.load_test_data(path)
'''
这行代码执行了以下两个步骤：
1、归一化：将输入数据中的每个像素值除以255。这是因为MNIST数据集中的像素值范围是0到255，通过将它们除以255，
将它们缩放到了0到1之间。这种归一化有助于神经网络的训练，因为它将输入数据的值范围映射到了一个更小的区间，有助于加速训练过程。
2、中心化：从每个像素值中减去0.5。这意味着将所有像素值的平均值平移到0附近。
这个步骤有助于训练过程中的数值稳定性，通常在输入数据的均值不为0时进行中心化。
综合起来，这行代码的目的是将原始的像素值转换为一个均值接近0、范围在-0.5到0.5之间的归一化值，
以更好地满足神经网络的训练需求。这是神经网络中常见的数据预处理步骤之一。
'''
x_test = x_test / 255.0 - 0.5
precision = 0 # 初始化一个变量 precision 为0，用于计算分类准确度。
m_net = MNISTNet() # 创建一个新的神经网络模型 m_net，这个模型是用于在测试数据集上进行分类预测的。
m_net.load_param() # 加载之前训练好的神经网络模型的参数。这些参数包含了模型在训练数据上学到的权重和偏差。
for i in range(x_test.shape[0]): # 遍历测试数据集中的每个样本。
'''
对当前测试样本进行分类预测，并与真实标签 y_test[i] 进行比较。
如果模型的预测结果与真实标签一致，表示分类正确，执行下面的代码块。
'''
if m_net.evaluate(x_test[i], y_test[i]):
precision += 1 # 如果分类正确，将 precision 值加1，用于统计正确分类的样本数量。
precision /= len(x_test) # 计算分类准确度。它将正确分类的样本数量除以测试数据集的总样本数量，从而得到分类准确度。
# 通常，分类准确度是一个在0到1之间的值，表示模型在测试数据上的性能。
print('precision of test data set is {}'.format(precision))
def visualize(path):
"""
可视化函数，用于展示模型预测结果。
Args:
path (str): 参数文件路径。
"""
# 加载测试数据
x, y_gt = dl.load_test_data(path)
# 数据预处理：将像素值归一化到[-0.5, 0.5]范围
x_imput = x / 255.0 - 0.5
# 创建一个新的神经网络模型
m_net = MNISTNet()
# 加载之前训练好的模型参数
m_net.load_param()
# 随机选择一个测试样本的索引
visualize_idx = random.randint(0, x.shape[0] - 1)
# 使用模型对选定的测试样本进行预测
y_pred = m_net.predict(x_imput[visualize_idx])
# 创建一个绘图区域，并显示图像和标签信息
plt.subplot(111)
title = "真值标签为：{},""预测标签为：{}".format(y_gt[visualize_idx], y_pred)
plt.title(title, fontproperties='SimHei')
# 将测试样本的图像转换成可视化的形式，并显示在图中
img = np.array(x[visualize_idx]).reshape((28, 28))
# cmap参数: 为调整显示颜色 gray为黑白色，加_r取反为白黑色
plt.imshow(img, cmap='gray')
# 显示图像
plt.show()
"""
这三个函数一起构成了神经网络的训练、评估和可视化过程，能够训练模型、评估其性能并可视化模型的预测结果。
"""
if __name__ == '__main__':
'''
train_net() 函数的作用是训练神经网络模型。
它通过多次迭代训练数据集中的样本，使用反向传播算法来更新神经网络的权重和参数，以最小化损失函数。
在训练过程中，模型逐渐调整自己以提高对训练数据的拟合。训练完成后，模型的参数将保存在文件中，以备将来使用。
'''
train_net()
'''
eval_net() 函数的作用是评估训练好的神经网络模型在测试数据集上的性能。
它会加载之前训练好的模型参数，并使用这些参数来进行测试数据集上的预测。
然后，它会计算模型在测试数据集上的精度或其他性能指标，并打印出来，以衡量模型的性能。
'''
eval_net()
'''
visualize(args.data_path) 函数的作用是可视化神经网络模型的预测结果。
它会加载训练好的模型参数，并随机选择一个测试样本，然后使用模型对该样本进行预测。
最后，它会显示该样本的真实标签和模型的预测标签，以及样本的图像，以帮助可视化模型的性能。
'''
visualize(args.data_path)
