tensorflow实现手写数字识别(MNIST)

谁践踏了优雅 2023-01-17 15:59 327阅读 0赞

手写数字图片数字集  
      机器学习需要从数据中间学习，因此首先需要采集大量的真实样本数据。以手写的数字图片识别为例，我们需要收集大量的由真人书写的0-9的数字图片，为了便于存储和计算，一般把收集的原始图片缩放到某个固定的大小(Size或Shape),比如224个像素的行和224个像素的列(224x 224)，或者96个像素的行和96个像素的列(96x 96)，这张图片将作为输入数据x。同时，我们需要给每一张图片标注一个标签(Label)，它将作为图片的真实值y，这个标签表明这张图片属-一个具体的类别，一般通过映射方式将类别名–对应到从0开始编号的数字，比如说硬币的正反面，我们可以用0来表示硬币的反面，用1来表示硬币的正面，当然也可以反过来1表示硬币的反面，这种编码方式叫作数字编码(Number Encoding)。对于手写数字图片识别问题，编码更为直观，我们用数字的0-9表示类别为0-9的的图片。

现在我们来看下图片的表示方法。一张图片包含了h行(HeightRow), w列(Width/Column)，每个位置保存了像(Pixel)值，像素值一般使用0-255的整形数值来表达颜色强度信息，例如0表示强度最低，255 表示强度最高。如果是彩色图片，则每个像素点包含了R、G、B三个通道的强度信息，分别代表红色通道、绿色通道、蓝色通道的颜色强度，所以与灰度图片不同，它的每个像素点使用一个 1维、长度为3的向量(Vector)来表示，向量的3个元素依次代表了当前像素点上面的R、G、B颜色强值，因此彩色图片需要保存为形状是\[h, w, 3\]的张量(Tensor,可以通俗地理解为3维数组)。如果是灰度图片，则使用一个数值来表示灰度强度，例如0表示纯黑，255 表示纯白，因此它只需要一个形状为\[h, w\]的二维矩阵(Matrix)来表示-张图片 信息(也可以保存为\[h, w, 1\]形状的张量)。图3.3 演示了内容为8的数字图片的矩阵内容，可以看到，图片中黑色的像素用0表示，灰度信息用0-255表示，图片中越白的像素点，对应矩阵位置中数值也就越大。  
![20210430091742158.png_pic_center][]

tensorflow导入手写数字图片数字集

import  os
    import  tensorflow as tf#导入tf
    from    tensorflow import keras#导入tf子库 keras
    from    tensorflow.keras import layers, optimizers, datasets #导入tf子库
    
    (x, y), (x_val, y_val) = datasets.mnist.load_data() #加载数据集
    #x.shape (60000, 28, 28) y.shape (60000,) x_val.shape (10000, 28, 28)
    
    x = 2*tf.convert_to_tensor(x, dtype=tf.float32) / 255.-1 #转换到浮数张量，并缩放到-1到1
    y = tf.convert_to_tensor(y, dtype=tf.int32)
    y = tf.one_hot(y, depth=10)
    #print(x.shape, y.shape)#(60000, 28, 28) (60000, 10)
    
    train_dataset = tf.data.Dataset.from_tensor_slices((x, y))
    train_dataset = train_dataset.batch(200)
    #print(train_dataset)
    #<DatasetV1Adapter shapes: ((?, 28, 28), (?, 10)), types: (tf.float32, tf.float32)>

load\_ data()函 数返回两个元组(tuple)对象，第一个是训练集，第二个是测试集，每个tuple的第一个元素是多个训练图片数据X，第二个元素是训练图片对应的类别数字Y。其中训练集X的大小为(60000,28,28)，代表了60000个样本，每个样本由28行、28 列构成，由于是灰度图片，故没有RGB通道;训练集Y的大小为(60000)， 代表了这60000个样本的标签数字，每个样本标签用-一个范围为0~9的数字表示。测试集X的大小为(10000,28,28), 代表了10000张测试图片，Y的大小为(10000)。从TensorFlow中加载的MNIST数据图片，数值的范围为\[0,255\]。在机器学习中间，一.般希望数据的范围在0周围的小范围内分布。通过预处理步骤，我们把\[0,255\]像素范围归一化(Normalize)到\[0,1. \]区间，再缩放到\[-1,1\]区间， 从而有利于模型的训练。每一张图片的计算流程是通用的，我们在计算的过程中可以一 次进行多张图片的计算，充分利用CPU或GPU的并行计算能力。我们用形状为\[h, w\]的矩阵来表示一张图片，对于多张图片来说，我们在前面添加一一个数量维(Dimension)，使用形状为\[b, h, w\]的张量来表示，其中b代表了批量(Batch Size);多张彩色图片可以使用形状为\[b, h, w, c\]的张量来表示，其中c表示通道数(Channel)，彩色图片c= 3。通过TensorFlow的Dataset对象可以方便完成模型的批量训练，只需要调用batch()函数即可构建带batch功能的数据集对象。

模型构建

![20210430093506210.png_pic_center][] ![20210430093601165.png_pic_center][] ![20210430093739219.png_pic_center][] ![20210430093900161.png_pic_center][] ![20210430094218418.png_pic_center][]

tensorflow模型

from tensorflow.examples.tutorials.mnist import input_data
    
    mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
    
    print(mnist.train.images.shape, mnist.train.labels.shape)
    print(mnist.test.images.shape, mnist.test.labels.shape)
    print(mnist.validation.images.shape, mnist.validation.labels.shape)
    
    import tensorflow as tf
    
    # 定义两个placeholder
    x = tf.placeholder(tf.float32, [None, 784])
    y = tf.placeholder(tf.float32, [None, 10])
    
    # 创建一个简单的神经网络
    W = tf.Variable(tf.zeros([784, 10]))
    b = tf.Variable(tf.zeros([10]))
    prediction = tf.nn.softmax(tf.matmul(x, W) + b)
    
    # 二次代价函数
    loss = tf.reduce_mean(tf.square(y - prediction))
    # 使用梯度下降法
    train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)
    
    # 结果存放在一个布尔型列表中
    correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(prediction, 1))  # argmax返回一维张量中最大的值所在的位置
    # 求准确率
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    # 每个批次的大小
    batch_size = 100
    # 计算一共有多少个批次
    n_batch = mnist.train.num_examples // batch_size
    
    with tf.Session() as sess:
        init = tf.global_variables_initializer()
        sess.run(init)
        for epoch in range(4):
            for batch in range(n_batch):
                batch_xs, batch_ys = mnist.train.next_batch(batch_size)
                sess.run(train_step, feed_dict={ x: batch_xs, y: batch_ys})
    
            acc = sess.run(accuracy, feed_dict={ x: mnist.test.images, y: mnist.test.labels})
            print("Iter " + str(epoch) + ",Testing Accuracy " + str(acc))

![20210430104229552.png][]

[20210430091742158.png_pic_center]: /images/20221021/31f70c3a0b6646718e681bd160da02fa.png
[20210430093506210.png_pic_center]: https://img-blog.csdnimg.cn/20210430093506210.png#pic_center
[20210430093601165.png_pic_center]: https://img-blog.csdnimg.cn/20210430093601165.png#pic_center
[20210430093739219.png_pic_center]: https://img-blog.csdnimg.cn/20210430093739219.png#pic_center
[20210430093900161.png_pic_center]: https://img-blog.csdnimg.cn/20210430093900161.png#pic_center
[20210430094218418.png_pic_center]: /images/20221021/58d6614a2e9e4e76a1741526728470aa.png
[20210430104229552.png]: /images/20221021/19b86b21f8f54e0fa60f2609e46b6d30.png