TensorFlow下利用MNIST训练模型识别手写数字

本文将参考TensorFlow中文社区官方文档使用mnist数据集训练一个多层卷积神经网络(LeNet5网络)，并利用所训练的模型识别自己手写数字。

训练MNIST数据集，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 = input_data.read_data_sets("MNIST_data", one_hot=True)

# 为输入图像和目标输出类别创建节点

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

y_ = tf.placeholder(tf.float32, shape=[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 = tf.truncated_normal(shape, stddev=0.1) # 取随机值，符合均值为0，标准差stddev为0.1

  return tf.Variable(initial)

def bias_variable(shape):

  initial = tf.constant(0.1, shape=shape)

  return tf.Variable(initial)

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

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

# strides为卷积步长，其第一、四个参数必须为1，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，即是否考虑边界。"SAME"是考虑边界，不足的时候用0去填充周围，"VALID"则不考虑

def conv2d(x, W):

  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

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

def max_pool_2x2(x):

  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

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

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

# 第一层：卷积

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

b_conv1 = bias_variable([32])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

# 第二层：池化

h_pool1 = max_pool_2x2(h_conv1)

# 第三层：卷积

W_conv2 = weight_variable([5, 5, 32, 64])

b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

# 第四层：池化

h_pool2 = max_pool_2x2(h_conv2)

# 第五层：全连接层

W_fc1 = weight_variable([7 * 7 * 64, 1024])

b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])

h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

# 在输出层之前加入dropout以减少过拟合

keep_prob = tf.placeholder("float")

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

# 第六层：全连接层

W_fc2 = weight_variable([1024, 10])

b_fc2 = bias_variable([10])

# 第七层：输出层

y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + 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，即目标类别和预测类别之间的交叉熵

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))

# 使用反向传播，利用优化器使损失函数最小化

train_step = 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，计算模型准确度

# dimension=0 按列找  dimension=1 按行找

correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))

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

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

saver = 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 = mnist.train.next_batch(50)

      if i%100 == 0:

        # 评估模型准确度，此阶段不使用Dropout

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

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

      # 训练模型，此阶段使用50%的Dropout

      train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

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

    print("test accuracy %g"%accuracy.eval(feed_dict={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

import cv2

global img

global point1, point2

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

    global img, point1, point2

    img2 = img.copy()

    if event == cv2.EVENT_LBUTTONDOWN:         #左键点击

        point1 = (x,y)

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

        cv2.imshow('image', img2)

    elif event == 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，矩形顶点，相对顶点，颜色，粗细

        cv2.imshow('image', img2)

    elif event == cv2.EVENT_LBUTTONUP:         #左键释放

        point2 = (x,y)

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

        cv2.imshow('image', img2)

        min_x = min(point1[0], point2[0])

        min_y = min(point1[1], point2[1])

        width = abs(point1[0] - point2[0])

        height = abs(point1[1] -point2[1])

        cut_img = img[min_y:min_y+height, min_x:min_x+width]

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

        ret, thresh_img = cv2.threshold(resize_img,127,255,cv2.THRESH_BINARY) # 二值化

        cv2.imshow('result', thresh_img)

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

def main():

    global img

    img = cv2.imread('./images/src.jpg')  # 手写数字图像所在位置

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

    cv2.namedWindow('image')

    cv2.setMouseCallback('image', on_mouse) # 调用回调函数

    cv2.imshow('image', img)

    cv2.waitKey(0)

if __name__ == '__main__':

    main()

运行上方代码，利用鼠标框选自己手写数字区域，完成图像预处理，可得到如下图像

手写数字识别

完成图像预处理后，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 = Image.open('./images/text.png')

data = list(im.getdata())

result = [(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 = tf.placeholder("float", shape=[None, 784]) # 训练所需数据  占位符

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

def weight_variable(shape):

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

  return tf.Variable(initial)

def bias_variable(shape):

  initial = tf.constant(0.1, shape=shape)

  return tf.Variable(initial)

def conv2d(x, W):

  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):

  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

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

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

b_conv1 = bias_variable([32])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 64])

b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

h_pool2 = max_pool_2x2(h_conv2)

W_fc1 = weight_variable([7 * 7 * 64, 1024])

b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])

h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

# 在输出层之前加入dropout以减少过拟合

keep_prob = tf.placeholder("float")

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

# 全连接层

W_fc2 = weight_variable([1024, 10])

b_fc2 = 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=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

saver = 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 = tf.argmax(y_conv,1)

    predint = prediction.eval(feed_dict={x: [result],keep_prob: 1.0}, session=sess)

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

运行上述程序，即可得到识别结果，如下图所示：

可以看到识别的结果为3, 大功告成！