python用TensorFlow做图像识别的实现


Posted in Python onApril 21, 2020

一、TensorFlow简介

TensorFlow是由谷歌开发的一套机器学习的工具,使用方法很简单,只需要输入训练数据位置,设定参数和优化方法等,TensorFlow就可以将优化结果显示出来,节省了很大量的编程时间,TensorFlow的功能很多很强大,这边挑选了一个比较简单实现的方法,就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别,让机器找出规律,然后再导入新的数字让机器识别。

二、流程介绍

python用TensorFlow做图像识别的实现

上图是TensorFlow的流程,可以看到一开始要先将参数初始化,然后导入训练数据,计算偏差,然后修正参数,再导入新的训练数据,不断重复,当数据量越大,理论上参数就会越准确,不过也要注意不可训练过度。

三、导入数据

数据可进入MNIST数据库 (Mixed National Institute of Standards and Technology database),这是一个开放的数据库,里面有许多免费的训练数据可以提供下载,这次我们要下载的是手写的阿拉伯数字,为什么要阿拉伯数字呢?1、因为结果少,只有十个,比较好训练 2、图片的容量小,不占空间,下面是部分的训练数据案例

python用TensorFlow做图像识别的实现

TensorFlow可以直接下载MNIST上的训练数据,并将它导入使用,下面为导入数据的代码

from tensorflow.examples.tutorials.mnist import input_data
MNIST = input_data.read_data_sets("/data/mnist", one_hot=True)

四、设定参数

接下来就是在TensorFlow里设定逻辑回归的参数,我们知道回归的公式为Y=w*X+b,X为输入,Y为计算结果,w为权重参数,b为修正参数,其中w和b就是我们要训练修正的参数,但训练里要怎么判断计算结果好坏呢?就是要判断计算出来的Y和实际的Y损失值(loss)是多少,并尽量减少loss,这边我们使用softmax函数来计算,softmax函数在计算多类别分类上的表现比较好,有兴趣可以百度一下,这边就不展开说明了,下面为参数设定

X = tf.placeholder(tf.float32, [batch_size, 784], name="image")
Y = tf.placeholder(tf.float32, [batch_size, 10], name="label")

X为输入的图片,图片大小为784K,Y为实际结果,总共有十个结果(数字0-9)

w = tf.Variable(tf.random_normal(shape=[784, 10], stddev=0.01), name="weights")
b = tf.Variable(tf.zeros([1, 10]), name="bias")

w初始值为一个随机的变数,标准差为0.01,b初始值为0。

logits = tf.matmul(X, w) + b
entropy = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y)
loss = tf.reduce_sum(entropy)

TensorFlow里面已经有softmax的函数,只要把他叫出来就可以使用。

optimizer =
tf.train.GradientDescentOptimizer(learning_rate=learning_rate).minimize(loss)
init = tf.global_variables_initializer()
with tf.Session() as sess:
  sess.run(init)
  n_batches = int(MNIST.train.num_examples/batch_size)
  for i in range(n_epochs): # train the model n_epochs times
    for _ in range(n_batches):
      X_batch, Y_batch = MNIST.train.next_batch(batch_size)
      sess.run([optimizer, loss], feed_dict={X: X_batch, Y:Y_batch})

接着就是设定优化方式,这边是使用梯度降下发,然后将参数初始化,接着就运行了,这边要提一下,我们的训练方式是每次从训练数据里面抓取一个batch的数据,然后进行计算,这样可以预防过度训练,也比较可以进行事后的验证,运行完后再用下面的代码进行验证

n_batches = int(MNIST.test.num_examples/batch_size)
  total_correct_preds = 0
  for i in range(n_batches):
    X_batch, Y_batch = MNIST.test.next_batch(batch_size)
    _, loss_batch, logits_batch = sess.run([optimizer, loss, logits],
    feed_dict={X: X_batch, Y:Y_batch})
    preds = tf.nn.softmax(logits_batch)
    correct_preds = tf.equal(tf.argmax(preds, 1), tf.argmax(Y_batch, 1))
    accuracy = tf.reduce_sum(tf.cast(correct_preds, tf.float32))
    total_correct_preds += sess.run(accuracy)
  print ("Accuracy {0}".format(total_correct_preds/MNIST.test.num_examples))

最后shell跑出来的结果是0.916,虽然看上去还算是不错的结果,但其实准确率是很低的,因为他验证的方式是判断一个图片是否为某个数字(单输出),所以假如机器随便猜也会有0.82左右的命中几率(0.9*0.9+0.1*0.1),想要更准确的话目前想到有两个方向,一个是提高训练量和增加神经网络的层数。

到此这篇关于python用TensorFlow做图像识别的实现的文章就介绍到这了,更多相关TensorFlow 图像识别内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
Python实现控制台中的进度条功能代码
Dec 22 Python
python中partial()基础用法说明
Dec 30 Python
Pycharm之快速定位到某行快捷键的方法
Jan 20 Python
python scatter散点图用循环分类法加图例
Mar 19 Python
python实现字符串完美拆分split()的方法
Jul 16 Python
python模拟点击网页按钮实现方法
Feb 25 Python
python3 正则表达式基础廖雪峰
Mar 25 Python
python torch.utils.data.DataLoader使用方法
Apr 02 Python
Selenium常见异常解析及解决方案示范
Apr 10 Python
Django正则URL匹配实现流程解析
Nov 13 Python
python IP地址转整数
Nov 20 Python
Python jiaba库的使用详解
Nov 23 Python
jupyter notebook 添加kernel permission denied的操作
Apr 21 #Python
Jupyter Notebook的连接密码 token查询方式
Apr 21 #Python
Python 操作 PostgreSQL 数据库示例【连接、增删改查等】
Apr 21 #Python
Django实现celery定时任务过程解析
Apr 21 #Python
使用PyQt5实现图片查看器的示例代码
Apr 21 #Python
快速解决jupyter notebook启动需要密码的问题
Apr 21 #Python
Python3.7将普通图片(png)转换为SVG图片格式(网站logo图标)动起来
Apr 21 #Python
You might like
基于php在各种web服务器的运行模式详解
2013/06/03 PHP
php导出中文内容excel文件类实例
2015/07/06 PHP
详解PHP匿名函数与注意事项
2016/03/29 PHP
php表单加入Token防止重复提交的方法分析
2016/10/10 PHP
JavaScript 调试器简介
2009/02/21 Javascript
JS链式调用的实现方法
2013/03/07 Javascript
node.js中的Socket.IO使用实例
2014/11/04 Javascript
Javascript动态创建div的方法
2015/02/09 Javascript
Nodejs express框架一个工程中同时使用ejs模版和jade模版
2015/12/28 NodeJs
懒加载实现的分页&&网站footer自适应
2016/12/21 Javascript
jQuery模拟下拉框选择对应菜单的内容
2017/03/07 Javascript
jQuery插件HighCharts实现气泡图效果示例【附demo源码】
2017/03/13 Javascript
AngularJS实现自定义指令与控制器数据交互的方法示例
2017/06/19 Javascript
jquery鼠标悬停导航下划线滑出效果
2017/09/29 jQuery
swiper自定义分页器使用方法详解
2020/09/14 Javascript
Vue组件中prop属性使用说明实例代码详解
2018/05/31 Javascript
基于vue循环列表时点击跳转页面的方法
2018/08/31 Javascript
微信小程序实现pdf、word等格式文件上传的方法
2019/09/10 Javascript
基于Vue el-autocomplete 实现类似百度搜索框功能
2019/10/25 Javascript
jquery实现购物车基本功能
2019/10/25 jQuery
mpvue实现微信小程序快递单号查询代码
2020/04/03 Javascript
对于Python中线程问题的简单讲解
2015/04/03 Python
python opencv实现任意角度的透视变换实例代码
2018/01/12 Python
Python基础之循环语句用法示例【for、while循环】
2019/03/23 Python
Python实现冒泡排序算法的完整实例
2020/11/04 Python
Linux系统下升级pip的完整步骤
2021/01/31 Python
详解CSS3 rem(设置字体大小) 教程
2017/11/21 HTML / CSS
丝绸和人造花卉、植物和树木:Nearly Natural
2018/11/28 全球购物
波兰在线香水店:Perfumy.pl
2019/08/12 全球购物
会计专业自我鉴定范文
2013/10/06 职场文书
好的演讲稿开场白
2013/12/30 职场文书
迎元旦广播稿
2014/02/22 职场文书
房产公证委托书范本
2014/09/20 职场文书
村干部四风问题整改措施
2014/09/30 职场文书
教你如何使用Python开发一个钉钉群应答机器人
2021/06/21 Python
笔记本自带的win11如何跳过联网激活?
2022/04/20 数码科技