基于Tensorflow和OpenCV. 使用MNIST数据集训练卷积神经网络模型，用于手写数字识别_

## 基于Tensorflow，OpenCV ## 使用MNIST数据集训练卷积神经网络模型，用于手写数字识别 ### [ocr.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/ocr.py) 一个单层的神经网络，使用MNIST训练，识别准确率较低 ### [cnn_ocr.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/cnn_ocr.py) 两层的卷积神经网络，使用MNIST训练（模型使用MNIST测试集准确率高于99%），识别准确率较高； 但是如果写的较为随意，还是会出现分类错误的情况，可能是图像预处理的问题 ### [cnn_ocr_2.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/cnn_ocr_2.py) 直接从cnn_mnist.ckpt.meta文件中加载已经持久化的图（graph）， 需要在训练的时候为tensor指定名称（[cnn_mnist_train.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/cnn_mnist_train.py) line82）: ``` keep_prob = tf.placeholder(tf.float32, name="keep_prob") ``` The name 'x_input' refers to an Operation, not a Tensor. Tensor names must be of the form "<op_name>:<output_index>". [cnn_ocr_2.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/cnn_ocr_2.py) line33 ``` keep_prob = tf.get_default_graph().get_tensor_by_name("keep_prob:0") ``` ### [cnn_mnist_train.py](https://github.com/legendjack/-_CNN_MNIST/blob/master/cnn_mnist_train.py) 训练模型的程序 ### [模型文件](https://github.com/legendjack/Handwritten-Numeral-Recognition_CNN/tree/master/model/cnn_mnist_model) - *checkpoint*是一个文本文件，保存了一个目录下所有的模型文件列表，这个文件是tf.train.Saver类自动生成且自动维护的。 在checkpoint文件中维护了由一个tf.train.Saver类持久化的所有TensorFlow模型文件的文件名。 当某个保存的TensorFlow模型文件被删除时，这个模型所对应的文件名也会从checkpoint文件中删除。 checkpoint中内容的格式为CheckpointState Protocol Buffer。 - *cnn_mnist.ckpt.meta*文件保存了TensorFlow计算图的结构，可以理解为神经网络的网络结构 TensorFlow通过元图（MetaGraph）来记录计算图中节点的信息以及运行计算图中节点所需要的元数据。 TensorFlow中元图是由MetaGraphDef Protocol Buffer定义的。 MetaGraphDef中的内容构成了TensorFlow持久化时的第一个文件。 保存MetaGraphDef信息的文件默认以.meta为后缀名，文件model.ckpt.meta中存储的就是元图数据。 - *cnn_mnist.ckpt.index*文件保存了TensorFlow程序中每一个变量的取值，这个文件是通过SSTable格式存储的，可以大致理解为就是一个（key，value）列表。 model.ckpt文件中列表的第一行描述了文件的元信息，比如在这个文件中存储的变量列表。 列表剩下的每一行保存了一个变量的片段，变量片段的信息是通过SavedSlice Protocol Buffer定义的。 SavedSlice类型中保存了变量的名称、当前片段的信息以及变量取值。 TensorFlow提供了tf.train.NewCheckpointReader类来查看model.ckpt文件中保存的变量信息。 如何使用tf.train.NewCheckpointReader类这里不做说明，自查。