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中的yield浅析
Jun 16 Python
python requests 使用快速入门
Aug 31 Python
浅谈python配置与使用OpenCV踩的一些坑
Apr 02 Python
python中使用ctypes调用so传参设置遇到的问题及解决方法
Jun 19 Python
python and or用法详解
Jun 26 Python
python使用beautifulsoup4爬取酷狗音乐代码实例
Dec 04 Python
Python基于Socket实现简单聊天室
Feb 17 Python
python print 格式化输出,动态指定长度的实现
Apr 12 Python
Django分组聚合查询实例分享
Apr 29 Python
使用Python防止SQL注入攻击的实现示例
May 21 Python
Python 实现敏感目录扫描的示例代码
May 21 Python
python实现剪贴板的操作
Jul 01 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
PHP加密解密字符串汇总
2015/04/26 PHP
php格式化json函数示例代码
2016/05/12 PHP
php计算多个集合的笛卡尔积实例详解
2017/02/16 PHP
浅谈php://filter的妙用
2019/03/05 PHP
laravel5.6实现数值转换
2019/10/23 PHP
IE和FireFox(FF)中js和css的不同
2009/04/13 Javascript
Three.js源码阅读笔记(物体是如何组织的)
2012/12/27 Javascript
getAsDataURL在Firefox7.0下无法预览本地图片的解决方法
2013/11/15 Javascript
js实现日历可获得指定日期周数及星期几示例分享(js获取星期几)
2014/03/14 Javascript
JavaScript字符串对象toLowerCase方法入门实例(用于把字母转换为小写)
2014/10/17 Javascript
JS实现仿腾讯微博无刷新删除微博效果代码
2015/10/16 Javascript
DOM 事件的深入浅出(二)
2016/12/05 Javascript
jQuery实现弹幕效果
2017/02/17 Javascript
基于vue2.0+vuex的日期选择组件功能实现
2017/03/13 Javascript
jQuery实现全选、反选和不选功能
2017/08/16 jQuery
JS执行控制之节流模式实例分析
2018/12/21 Javascript
微信小程序实现聊天室
2020/08/21 Javascript
python进程管理工具supervisor使用实例
2014/09/17 Python
Python一句代码实现找出所有水仙花数的方法
2018/11/13 Python
python字典嵌套字典的情况下找到某个key的value详解
2019/07/10 Python
用Python去除图像的黑色或白色背景实例
2019/12/12 Python
详解Python实现进度条的4种方式
2020/01/15 Python
探秘TensorFlow 和 NumPy 的 Broadcasting 机制
2020/03/13 Python
Python HTMLTestRunner可视化报告实现过程解析
2020/04/10 Python
python 决策树算法的实现
2020/10/09 Python
Django配置Bootstrap, js实现过程详解
2020/10/13 Python
详解使用scrapy进行模拟登陆三种方式
2021/02/21 Python
船餐厅和泰晤士河餐饮游轮:Bateaux London
2018/03/19 全球购物
俄罗斯小米家用电器、电子产品和智能家居商店:Poood.ru
2020/04/03 全球购物
法国购买二手电子产品网站:Asgoodasnew
2020/03/27 全球购物
总经理驾驶员岗位职责
2013/12/04 职场文书
国旗下的演讲稿
2014/05/08 职场文书
2014年数学教师工作总结
2014/12/03 职场文书
2015年库房管理工作总结
2015/10/14 职场文书
MySQL删除和插入数据很慢的问题解决
2021/06/03 MySQL
JavaScript 反射学习技巧
2021/10/16 Javascript