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 pickle类库介绍(对象序列化和反序列化)
Nov 21 Python
用Python实现一个简单的能够上传下载的HTTP服务器
May 05 Python
Python3指定路径寻找符合匹配模式文件
May 22 Python
用python实现百度翻译的示例代码
Mar 09 Python
python redis 删除key脚本的实例
Feb 19 Python
Python Django 实现简单注册功能过程详解
Jul 29 Python
python3 selenium自动化 frame表单嵌套的切换方法
Aug 23 Python
python 使用shutil复制图片的例子
Dec 13 Python
python如何快速生成时间戳
Jul 21 Python
关于pycharm 切换 python3.9 报错 ‘HTMLParser‘ object has no attribute ‘unescape‘ 的问题
Nov 24 Python
Python 中Operator模块的使用
Jan 30 Python
pip/anaconda修改镜像源,加快python模块安装速度的操作
Mar 04 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
PHP5新特性: 更加面向对象化的PHP
2006/11/18 PHP
php实现的发送带附件邮件类实例
2014/09/22 PHP
Laravel 模型关联基础教程详解
2019/09/17 PHP
比较简单实用的使用正则三种版本的js去空格处理方法
2007/11/18 Javascript
js页面滚动时层智能浮动定位实现(jQuery/MooTools)
2011/08/23 Javascript
深入分析jsonp协议原理
2015/09/26 Javascript
jquery自定义插件——window的实现【示例代码】
2016/05/06 Javascript
Bootstrap 布局组件(全)
2016/07/18 Javascript
利用JQuery实现datatables插件的增加和删除行功能
2017/01/06 Javascript
JS+html5制作简单音乐播放器
2020/09/13 Javascript
jquery ajax异步提交表单数据的方法
2017/10/27 jQuery
AngularJS使用ng-repeat遍历二维数组元素的方法详解
2017/11/11 Javascript
vue中监听返回键问题
2019/08/28 Javascript
vue限制输入框只能输入8位整数和2位小数的代码
2019/11/06 Javascript
Vue组件模板的几种书写形式(3种)
2020/02/19 Javascript
JS简易计算器实例讲解
2020/06/30 Javascript
Python 的描述符 descriptor详解
2016/02/27 Python
django的auth认证,authenticate和装饰器功能详解
2019/07/25 Python
Django中使用haystack+whoosh实现搜索功能
2019/10/08 Python
使用django和vue进行数据交互的方法步骤
2019/11/11 Python
Pytorch根据layers的name冻结训练方式
2020/01/06 Python
pip安装tensorflow的坑的解决
2020/04/19 Python
jupyter 使用Pillow包显示图像时inline显示方式
2020/04/24 Python
基于python实现简单网页服务器代码实例
2020/09/14 Python
Python QT组件库qtwidgets的使用
2020/11/02 Python
Theo + George官方网站:都柏林时尚品牌
2019/04/08 全球购物
校园摄影活动策划方案
2014/02/05 职场文书
认识深刻的检讨书
2014/02/16 职场文书
群众路线教育党课主持词
2014/04/01 职场文书
大专学生求职自荐信
2014/07/06 职场文书
岗位说明书标准范本
2014/07/30 职场文书
学习十八大的心得体会
2014/09/01 职场文书
2015年财务试用期工作总结
2014/12/24 职场文书
销售助理岗位职责
2015/02/11 职场文书
民事纠纷协议书
2016/03/23 职场文书
2019最新版股权转让及委托持股协议书范本
2019/08/07 职场文书