易 AI - 机器学习卷积神经网络（CNN）

卷积神经网络结构
TensorFlow 中定义卷积神经网络模型
宏观理解卷积神经网络
- 全连接
- 采样
- 卷积
小结

上一篇介绍了如何在 TensorFlow 中加载数据集。从本文开始将以王者荣耀为例，介绍卷积神经网络（CNN）。由于涉及的内容较多，本文主要先介绍以下内容：

卷积神经网络结构
TensorFlow 中定义卷积神经网络模型
宏观理解卷积神经网络

卷积神经网络结构

王者荣耀案例网络模型图

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
sequential (Sequential)      (None, 224, 224, 3)       0
_________________________________________________________________
rescaling_1 (Rescaling)      (None, 224, 224, 3)       0
_________________________________________________________________
conv2d (Conv2D)              (None, 222, 222, 16)      448
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 111, 111, 16)      0
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 109, 109, 32)      4640
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 54, 54, 32)        0
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 52, 52, 64)        18496
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 26, 26, 64)        0
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 24, 24, 128)       73856
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 12, 12, 128)       0
_________________________________________________________________
dropout (Dropout)            (None, 12, 12, 128)       0
_________________________________________________________________
flatten (Flatten)            (None, 18432)             0
_________________________________________________________________
dense (Dense)                (None, 128)               2359424
_________________________________________________________________
dense_1 (Dense)              (None, 3)                 387
=================================================================
Total params: 2,457,251
Trainable params: 2,457,251
Non-trainable params: 0

以上为王者荣耀案例的网络模型图和模型 summary ，可以看出模型分为输入层（Input Layer）、隐藏层（Hidden Layer）、输出层（Ouput Layer）。

输入层

输入层指定了输入数据的 shape。案例中的输入为宽高 224 ，通道数 3 的图像，所以，input_shape 为 (224，224，3)。

    layers.experimental.preprocessing.RandomFlip("horizontal",
                                                 input_shape=(img_height,
                                                              img_width,
                                                              3))

注：由于使用了数据增强，所以 input_shape 的指定包含在了 data_augmentation 中。

隐藏层

在隐藏层中，案例主要是嵌套了几次卷积（Conv2D）和最大池化（MaxPooling2D），然后使用 Dropout 和 Flatten，最后使用全连接层（Dense）连接。

 layers.Conv2D(16, 3, activation='relu'),
 layers.MaxPooling2D(),
 layers.Conv2D(32, 3, activation='relu'),
 layers.MaxPooling2D(),
 layers.Conv2D(64, 3, activation='relu'),
 layers.MaxPooling2D(),
 layers.Conv2D(128, 3, activation='relu'),
 layers.MaxPooling2D(),
 layers.Dropout(0.2),
 layers.Flatten(),
 layers.Dense(128, activation='relu'),

输出层

输出层使用全连接层（Dense）实现分类输出。因为，案例最终分为 3 个英雄，因此指定 Dense 的 units 为 3。

layers.Dense(len(class_names), activation='softmax')

TensorFlow 中定义卷积神经网络模型

TensorFlow keras 模块提供了非常便利的 Sequential 来定义模型。利用 Sequential 就可以将网络模型图直接“翻译”成 TensorFlow 代码。

from tensorflow.keras import layers
from tensorflow.keras.models import Sequential

model = Sequential([
  data_augmentation,
  layers.experimental.preprocessing.Rescaling(1./255),
  layers.Conv2D(16, 3, activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(32, 3, activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(64, 3, activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(128, 3, activation='relu'),
  layers.MaxPooling2D(),
  layers.Dropout(0.2),
  layers.Flatten(),
  layers.Dense(128, activation='relu'),
  layers.Dense(len(class_names), activation='softmax')
])