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基于动态规划算法解决01背包问题实例
Dec 06 Python
Python爬虫框架Scrapy基本用法入门教程
Jul 26 Python
python实现复制文件到指定目录
Oct 16 Python
Django 创建后台,配置sqlite3教程
Nov 18 Python
opencv3/C++实现视频背景去除建模(BSM)
Dec 11 Python
Python实现队列的方法示例小结【数组,链表】
Feb 22 Python
简单了解python shutil模块原理及使用方法
Apr 28 Python
Keras 使用 Lambda层详解
Jun 10 Python
python如何进入交互模式
Jul 06 Python
解决运行出现'dict' object has no attribute 'has_key'问题
Jul 15 Python
Python中return函数返回值实例用法
Nov 19 Python
 python中的元类metaclass详情
May 30 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面向对象的方法重载两种版本比较
2008/09/08 PHP
PHP实现多图片上传类实例
2014/07/26 PHP
PHP错误机制知识汇总
2016/03/24 PHP
php中mkdir()函数的权限问题分析
2016/09/24 PHP
Laravel实现自定义错误输出内容的方法
2016/10/10 PHP
详细解读php的命名空间(一)
2018/02/21 PHP
jQuery怎么解析Json字符串(Json格式/Json对象)
2013/08/09 Javascript
基于jQuery实现网页进度显示插件
2015/03/04 Javascript
AngularJS出现$http异步后台无法获取请求参数问题的解决方法
2016/11/03 Javascript
JavaScript遍历Json串浏览器输出的结果不统一问题
2016/11/03 Javascript
Javascript调试之console对象——你不知道的一些小技巧
2017/07/10 Javascript
使用FileReader API创建Vue文件阅读器组件
2018/04/03 Javascript
JS实现关键词高亮显示正则匹配
2018/06/22 Javascript
详解如何webpack使用DllPlugin
2018/09/30 Javascript
Element InfiniteScroll无限滚动的具体使用方法
2020/07/27 Javascript
原生JavaScript实现进度条
2021/02/19 Javascript
JavaScript中跨域问题的深入理解
2021/03/04 Javascript
[03:55]2014DOTA2国际邀请赛 Fnatic经理采访赢DK在情理之中
2014/07/10 DOTA
Python如何实现守护进程的方法示例
2017/02/08 Python
python实现自动发送邮件发送多人、群发、多附件的示例
2018/01/23 Python
使用apidoc管理RESTful风格Flask项目接口文档方法
2018/02/07 Python
对python中的argv和argc使用详解
2018/12/15 Python
python for和else语句趣谈
2019/07/02 Python
python实现多线程端口扫描
2019/08/31 Python
python3实现将json对象存入Redis以及数据的导入导出
2020/07/16 Python
Etam德国:内衣精品店
2019/08/25 全球购物
局部内部类是否可以访问非final变量?
2013/04/20 面试题
存储过程和sql语句的优缺点
2014/07/02 面试题
销售行政专员职责
2014/01/03 职场文书
《蝙蝠和雷达》教学反思
2014/04/23 职场文书
党务公开方案
2014/05/06 职场文书
银行金融服务方案
2014/06/11 职场文书
公司会议开幕词
2015/01/29 职场文书
2015年城市管理工作总结
2015/05/23 职场文书
2015暑假假期总结
2015/07/13 职场文书
银行中层干部培训心得体会
2016/01/11 职场文书