matlab手写数字识别_TensorFlow下利用MNIST训练模型识别手写数字

训练MNIST数据集&＃xff0c;并保存训练模型

# Python3

# 使用LeNet5的七层卷积神经网络用于MNIST手写数字识别

import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data

mnist &＃61; input_data.read_data_sets("MNIST_data", one_hot&＃61;True)

# 为输入图像和目标输出类别创建节点

x &＃61; tf.placeholder(tf.float32, shape&＃61;[None, 784]) # 训练所需数据 占位符

y_ &＃61; tf.placeholder(tf.float32, shape&＃61;[None, 10]) # 训练所需标签数据 占位符

# *************** 构建多层卷积网络 *************** #

# 权重、偏置、卷积及池化操作初始化,以避免在建立模型的时候反复做初始化操作

def weight_variable(shape):

initial &＃61; tf.truncated_normal(shape, stddev&＃61;0.1) # 取随机值&＃xff0c;符合均值为0&＃xff0c;标准差stddev为0.1

return tf.Variable(initial)

def bias_variable(shape):

initial &＃61; tf.constant(0.1, shape&＃61;shape)

return tf.Variable(initial)

# x 的第一个参数为图片的数量&＃xff0c;第二、三个参数分别为图片高度和宽度&＃xff0c;第四个参数为图片通道数。

# W 的前两个参数为卷积核尺寸&＃xff0c;第三个参数为图像通道数&＃xff0c;第四个参数为卷积核数量

# strides为卷积步长&＃xff0c;其第一、四个参数必须为1&＃xff0c;因为卷积层的步长只对矩阵的长和宽有效

# padding表示卷积的形式&＃xff0c;即是否考虑边界。"SAME"是考虑边界&＃xff0c;不足的时候用0去填充周围&＃xff0c;"VALID"则不考虑

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides&＃61;[1, 1, 1, 1], padding&＃61;&＃39;SAME&＃39;)

# x 参数的格式同tf.nn.conv2d中的x&＃xff0c;ksize为池化层过滤器的尺度&＃xff0c;strides为过滤器步长

def max_pool_2x2(x):

return tf.nn.max_pool(x, ksize&＃61;[1, 2, 2, 1], strides&＃61;[1, 2, 2, 1], padding&＃61;&＃39;SAME&＃39;)

#把x更改为4维张量&＃xff0c;第1维代表样本数量&＃xff0c;第2维和第3维代表图像长宽&＃xff0c; 第4维代表图像通道数

x_image &＃61; tf.reshape(x, [-1,28,28,1]) # -1表示任意数量的样本数,大小为28x28&＃xff0c;深度为1的张量

# 第一层&＃xff1a;卷积

W_conv1 &＃61; weight_variable([5, 5, 1, 32]) # 卷积在每个5x5的patch中算出32个特征。

b_conv1 &＃61; bias_variable([32])

h_conv1 &＃61; tf.nn.relu(conv2d(x_image, W_conv1) &＃43; b_conv1)

# 第二层&＃xff1a;池化

h_pool1 &＃61; max_pool_2x2(h_conv1)

# 第三层&＃xff1a;卷积

W_conv2 &＃61; weight_variable([5, 5, 32, 64])

b_conv2 &＃61; bias_variable([64])

h_conv2 &＃61; tf.nn.relu(conv2d(h_pool1, W_conv2) &＃43; b_conv2)

# 第四层&＃xff1a;池化

h_pool2 &＃61; max_pool_2x2(h_conv2)

# 第五层&＃xff1a;全连接层

W_fc1 &＃61; weight_variable([7 * 7 * 64, 1024])

b_fc1 &＃61; bias_variable([1024])

h_pool2_flat &＃61; tf.reshape(h_pool2, [-1, 7*7*64])

h_fc1 &＃61; tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) &＃43; b_fc1)

# 在输出层之前加入dropout以减少过拟合

keep_prob &＃61; tf.placeholder("float")

h_fc1_drop &＃61; tf.nn.dropout(h_fc1, keep_prob)

# 第六层&＃xff1a;全连接层

W_fc2 &＃61; weight_variable([1024, 10])

b_fc2 &＃61; bias_variable([10])

# 第七层&＃xff1a;输出层

y_conv&＃61;tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) &＃43; b_fc2)

# *************** 训练和评估模型 *************** #

# 为训练过程指定最小化误差用的损失函数&＃xff0c;即目标类别和预测类别之间的交叉熵

cross_entropy &＃61; -tf.reduce_sum(y_*tf.log(y_conv))

# 使用反向传播&＃xff0c;利用优化器使损失函数最小化

train_step &＃61; tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

# 检测我们的预测是否真实标签匹配(索引位置一样表示匹配)

# tf.argmax(y_conv,dimension), 返回最大数值的下标 通常和tf.equal()一起使用&＃xff0c;计算模型准确度

# dimension&＃61;0 按列找 dimension&＃61;1 按行找

correct_prediction &＃61; tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))

# 统计测试准确率&＃xff0c; 将correct_prediction的布尔值转换为浮点数来代表对、错&＃xff0c;并取平均值。

accuracy &＃61; tf.reduce_mean(tf.cast(correct_prediction, "float"))

saver &＃61; tf.train.Saver() # 定义saver

# *************** 开始训练模型 *************** #

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

for i in range(1000):

batch &＃61; mnist.train.next_batch(50)

if i%100 &＃61;&＃61; 0:

# 评估模型准确度&＃xff0c;此阶段不使用Dropout

train_accuracy &＃61; accuracy.eval(feed_dict&＃61;{x:batch[0], y_: batch[1], keep_prob: 1.0})

print("step %d, training accuracy %g"%(i, train_accuracy))

# 训练模型&＃xff0c;此阶段使用50%的Dropout

train_step.run(feed_dict&＃61;{x: batch[0], y_: batch[1], keep_prob: 0.5})

saver.save(sess, &＃39;./save/model.ckpt&＃39;) #模型储存位置

print("test accuracy %g"%accuracy.eval(feed_dict&＃61;{x: mnist.test.images [0:2000], y_: mnist.test.labels [0:2000], keep_prob: 1.0}))

手写数字图像预处理

然后自己手写数字

利用Python和OpenCV进行图像预处理

需要安装Python的OpenCV接口(安装命令&＃xff1a;pip install opencv-python)
MNIST要求数据为28*28像素&＃xff0c;单通道&＃xff0c;且需要二值化。

import cv2

global img

global point1, point2

def on_mouse(event, x, y, flags, param):

global img, point1, point2

img2 &＃61; img.copy()

if event &＃61;&＃61; cv2.EVENT_LBUTTONDOWN: #左键点击

point1 &＃61; (x,y)

cv2.circle(img2, point1, 10, (0,255,0), 5)

cv2.imshow(&＃39;image&＃39;, img2)

elif event &＃61;&＃61; cv2.EVENT_MOUSEMOVE and (flags & cv2.EVENT_FLAG_LBUTTON): #按住左键拖曳

cv2.rectangle(img2, point1, (x,y), (255,0,0), 5) # 图像&＃xff0c;矩形顶点&＃xff0c;相对顶点&＃xff0c;颜色&＃xff0c;粗细

cv2.imshow(&＃39;image&＃39;, img2)

elif event &＃61;&＃61; cv2.EVENT_LBUTTONUP: #左键释放

point2 &＃61; (x,y)

cv2.rectangle(img2, point1, point2, (0,0,255), 5)

cv2.imshow(&＃39;image&＃39;, img2)

min_x &＃61; min(point1[0], point2[0])

min_y &＃61; min(point1[1], point2[1])

width &＃61; abs(point1[0] - point2[0])

height &＃61; abs(point1[1] -point2[1])

cut_img &＃61; img[min_y:min_y&＃43;height, min_x:min_x&＃43;width]

resize_img &＃61; cv2.resize(cut_img, (28,28)) # 调整图像尺寸为28*28

ret, thresh_img &＃61; cv2.threshold(resize_img,127,255,cv2.THRESH_BINARY) # 二值化

cv2.imshow(&＃39;result&＃39;, thresh_img)

cv2.imwrite(&＃39;./images/text.png&＃39;, thresh_img) # 预处理后图像保存位置

def main():

global img

img &＃61; cv2.imread(&＃39;./images/src.jpg&＃39;) # 手写数字图像所在位置

img &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换图像为单通道(灰度图)

cv2.namedWindow(&＃39;image&＃39;)

cv2.setMouseCallback(&＃39;image&＃39;, on_mouse) # 调用回调函数

cv2.imshow(&＃39;image&＃39;, img)

cv2.waitKey(0)

if __name__ &＃61;&＃61; &＃39;__main__&＃39;:

main()

运行上方代码&＃xff0c;利用鼠标框选自己手写数字区域&＃xff0c;完成图像预处理&＃xff0c;可得到如下图像

手写数字识别

完成图像预处理后&＃xff0c;即可将图片输入到网络中进行识别

from PIL import Image

import tensorflow as tf

import numpy as np

im &＃61; Image.open(&＃39;./images/text.png&＃39;)

data &＃61; list(im.getdata())

result &＃61; [(255-x)*1.0/255.0 for x in data]

print(result)

# 为输入图像和目标输出类别创建节点

x &＃61; tf.placeholder("float", shape&＃61;[None, 784]) # 训练所需数据 占位符

# *************** 构建多层卷积网络 *************** #

def weight_variable(shape):

initial &＃61; tf.truncated_normal(shape, stddev&＃61;0.1) # 取随机值&＃xff0c;符合均值为0&＃xff0c;标准差stddev为0.1

return tf.Variable(initial)

def bias_variable(shape):

initial &＃61; tf.constant(0.1, shape&＃61;shape)

return tf.Variable(initial)

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides&＃61;[1, 1, 1, 1], padding&＃61;&＃39;SAME&＃39;)

def max_pool_2x2(x):

return tf.nn.max_pool(x, ksize&＃61;[1, 2, 2, 1], strides&＃61;[1, 2, 2, 1], padding&＃61;&＃39;SAME&＃39;)

x_image &＃61; tf.reshape(x, [-1,28,28,1]) # -1表示任意数量的样本数,大小为28x28&＃xff0c;深度为1的张量

W_conv1 &＃61; weight_variable([5, 5, 1, 32]) # 卷积在每个5x5的patch中算出32个特征。

b_conv1 &＃61; bias_variable([32])

h_conv1 &＃61; tf.nn.relu(conv2d(x_image, W_conv1) &＃43; b_conv1)

h_pool1 &＃61; max_pool_2x2(h_conv1)

W_conv2 &＃61; weight_variable([5, 5, 32, 64])

b_conv2 &＃61; bias_variable([64])

h_conv2 &＃61; tf.nn.relu(conv2d(h_pool1, W_conv2) &＃43; b_conv2)

h_pool2 &＃61; max_pool_2x2(h_conv2)

W_fc1 &＃61; weight_variable([7 * 7 * 64, 1024])

b_fc1 &＃61; bias_variable([1024])

h_pool2_flat &＃61; tf.reshape(h_pool2, [-1, 7*7*64])

h_fc1 &＃61; tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) &＃43; b_fc1)

# 在输出层之前加入dropout以减少过拟合

keep_prob &＃61; tf.placeholder("float")

h_fc1_drop &＃61; tf.nn.dropout(h_fc1, keep_prob)

# 全连接层

W_fc2 &＃61; weight_variable([1024, 10])

b_fc2 &＃61; bias_variable([10])

# 输出层

# tf.nn.softmax()将神经网络的输层变成一个概率分布

y_conv&＃61;tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) &＃43; b_fc2)

saver &＃61; tf.train.Saver() # 定义saver

# *************** 开始识别 *************** #

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

saver.restore(sess, "./save/model.ckpt")#这里使用了之前保存的模型参数

prediction &＃61; tf.argmax(y_conv,1)

predint &＃61; prediction.eval(feed_dict&＃61;{x: [result],keep_prob: 1.0}, session&＃61;sess)

print("recognize result: %d" %predint[0])