基于OpenCV的手写数字识别系统.zip

# 将卷积神经网络应用于MNIST识别，结构为两个卷积层（conv+pooling)加两个全连接层 # 注意测试准确率的时候，不能直接将1w个测试数据全部读入（2GB显存不够），分成10个批次，每个批次1000个数据 # 训练21次准确率达到99.16%（训练1次准确率95%，11次准确率就超过了99%，在GTX760上训练一次约13秒） import numpy as np import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST', one_hot=True) # 每个批次的大小 batch_size = 100 # 一共有多少个批次 n_batch = mnist.train.num_examples // batch_size # 初始化权值 def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) # 生成一个截断的正态分布（高斯分布） return tf.Variable(initial) # 初始化偏置值 def bias_variable(shape): initial = tf.constant(0.1, shape=shape) # 全部置为0.1 return tf.Variable(initial) # 卷积层 def conv2d(x, W): # x : input tensor of shape [batch, in_height, in_width, in_channels]，如果是图片，shape就是 [批次大小，高，宽，通道数] # W : filter/kernel tensor of shape [filter_height, filter_width, in_channels, out_channels] # strides : 步长，strides[0] = strides[3] = 1，strides[1]代表x方向上的步长，strides[2]代表y方向上的步长 # padding : 'SAME'/'VALID' return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') # 池化层 def max_pool_2x2(x): # ksize : [1, x, y, 1] return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # 定义两个placeholder，x和y分别用于表示输入的手写数字图像和标签，（具体数据）在执行图的时候喂进来 x = tf.placeholder(tf.float32, [None, 784], name="x_input") # placeholder(dtype, shape=None, name=None) y = tf.placeholder(tf.float32, [None, 10]) # 改变x的格式为4D的向量[batch, in_height, in_width, in_channels]，把图片恢复成原来的尺寸28*28 # -1会由实际计算出来的置代替，比如一个batch是100，实际数据量是100*784，那么-1由100*784*1/28/28/1=100代替（通道数为1） x_image = tf.reshape(x, [-1, 28, 28, 1]) # 对应conv2d函数的参数x，输入的图片数据原来是一维的张量，而conv2d函数要将图片数据恢复成原来的形状 # 初始化第一个卷积层的权值和偏置值 W_conv1 = weight_variable([5, 5, 1, 32]) # 5*5的采样窗口，32个卷积核从1个平面抽取特征（输出32个特征平面）。对应conv2d函数的输入W，函数会将该矩阵reshape成[5*5*1, 32] b_conv1 = bias_variable([32]) # 每一个卷积核需要一个偏置值 # 把x_image和权值进行卷积，加上偏置值，然后应用于relu激活函数 h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) # 第一个卷积层的结果 h_pool1 = max_pool_2x2(h_conv1) # 进行max-pooling，得到池化结果 # 初始化第二个卷积层的权值和偏置值 W_conv2 = weight_variable([5, 5, 32, 64]) b_conv2 = bias_variable([64]) h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) h_pool2 = max_pool_2x2(h_conv2) # 28*28的图片经过第一次卷积之后还是28*28，第一次池化之后变成14*14（14*14*32） # 第二次卷积之后是14*14，第二次池化之后变成7*7（14*14*64） # 经过上面的操作之后变成64张7*7的平面 # 图片的维度变高了，第一次卷积池化后由1维变成32维（32个卷积核），第二次变成64维 # 初始化第一个全连接层的权值 W_fc1 = weight_variable([7*7*64, 1024]) # 上一层有7*7*64个神经元，全连接层有1024个神经元 b_fc1 = bias_variable([1024]) # 把池化层2的输出扁平化为1维 h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64]) # 求第一个全连接层的输出 h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1) # keep_prob用来表示神经元的输出概率 keep_prob = tf.placeholder(tf.float32, name="keep_prob") h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) # 初始化第二个全连接层的权值 W_fc2 = weight_variable([1024, 10]) # 上一层有7*7*64个神经元，全连接层有1024个神经元 b_fc2 = bias_variable([10]) # 计算输出 predection = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2) # predection里面存放的是每个分类的概率，这里返回最大概率所在的位置，即最后的分类结果 result = tf.argmax(predection, 1, name="result") # 交叉熵代价函数 cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=predection)) # 使用AdamOptimizer进行优化，学习率是1e-4 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 结果存放在一个布尔列表中 correct_predection = tf.equal(tf.argmax(predection, 1), tf.argmax(y, 1)) # argmax返回一维张量中最大值所在的位置 # 求准确率 accuracy = tf.reduce_mean(tf.cast(correct_predection, tf.float32)) saver = tf.train.Saver() with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for epoch in range(21): 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, keep_prob: 0.7}) # acc = sess.run(accuracy, feed_dict={x: mnist.test.images, y: mnist.test.labels, keep_prob: 1.0}) # print("Iter " + str(epoch) + " Test Accuracy " + str(acc)) acc = list(range(10)) for i in range(10): batch_xs_test, batch_ys_test = mnist.test.next_batch(1000) acc[i] = sess.run(accuracy, feed_dict={x: batch_xs_test, y: batch_ys_test, keep_prob: 1.0}) print("Iter " + str(epoch) + " Test Accuracy " + str(np.mean(acc))) saver.save(sess, 'model/cnn_mnist_model/cnn_mnist.ckpt')