基于Tensorflow的MINIST手写体识别

MINIS手写体识别相当于机器学习中的Hello world，作为深度学习领域的入门任务是初学者的首选。

数据集下载 download.py

1. MINIST数据集

MINIST数据集是一个图片压缩包，包含大量手写数字图片；
其中一个数据样本有两部分构成：手写图片和label;

数据集每个样本都是（1，784）维度的图片，为了方便展示就像下图一样画成二维矩阵，实际上后面要将向量转换为28*28的二维矩阵；

2. 读取数据

TensorFlow为了教学MNIST而提前编制了程序，所以只需两行代码就可自动下载数据集文件

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
# 从MNIST_data/中读取MNIST数据,这条语句在数据不存在时，会自动执行下载

运行后可以在相应目录下查看到如下数据压缩包

3. 打印数据集基本信息

数据集可分为：

训练集	测试集	验证集
minist.train	minist.test	minist.validation
55,000	10,000	5,000
训练模型	多次使用调参	评估模型

将MINIST保存为图片 save_pic.py

1. 创建文件夹保存原始图片

save_dir = 'MNIST_data/raw/'
if os.path.exists(save_dir) is False:  # 判断save_dir文件是否存在os.makedirs(save_dir) # os.makedirs()方法用于递归创建目录

2. reshape图片

 # 注意:mnist.train.images[i, :]就表示第i张图片（序号从0开始）image_array = mnist.train.images[i, :]# TensorFlow中的MNIST图片是一个784维的向量，我们重新把它还原为28x28维的图像image_array = image_array.reshape(28, 28)

3. 文件命名

# 保存文件的格式为 mnist_train_0.jpg, mnist_train_1.jpg, ... ,mnist_train_19.jpgfilename = save_dir + 'mnist_train_%d.jpg' % i

4.转换为图片存储

    # 将image_array保存为图片：array - > image#scipy.misc.toimage(image_array, cmin=0.0, cmax=1.0).save(filename)# AttributeError: module 'scipy.misc' has no attribute 'toimage'Image.fromarray((image_array * 255).astype('uint8'), mode='L').convert('RGB').save(filename)

运行后可以在相应目录下看到存储下来的如下图片：

打印MINIST数据集图片的标签 label.py

1. 独热编码

one - hot读热编码是一种稀疏向量，其中：一个向量设为1，其他元素均设为0；独热编码常用于表示拥有有限个可能值的字符串或标识符；

2. argmax(array, axis)

numpy.argmax(array, axis) 函数：
array是矩阵，axis是0或者1;axis默认为0
其中，0表示的是按行比较返回最大值的索引，1表示按列比较返回最大值的索引
eg: one_dim_array = np.array([1, 4, 5, 3, 7, 2, 6])
print(np.argmax(one_dim_array)) # 4

3. 打印label

MINIST数据集每个样本的label是（1*10）维的数组，采用独热编码表示，形如(0, 1, 0, 0, 0, 0, 0, 0, 0, 0)

# 看前20张训练图片的label
for i in range(20):one_hot_label = mnist.train.labels[i, :]# 通过np.argmax我们可以直接获得原始的labellabel = np.argmax(one_hot_label)print(f'mnist_train_{i}.jpg label: {label}')# mnist_train_18.jpg label: 6

Softmax回Softmax_regression.py

1. Softmax回归模型

Softmax回归是一个线性的多类分类模型，我们期望对输入的图片计算出它属于某个类别的概率，比如90%的概率是2，5%的概率是5，那么最终会输出这张图片的标签为5；因此，一张图片对于每一个数字的吻合度可以被softmax函数转换成为一个概率值。softmax函数可以定义为：

由下图所示，对于输入Xi加权求和，再分别加上一个偏置量，最后输入到Softmax函数中：

其矩阵表现形式如下：

下面举一个例子理解：
假设我们现在需要预估房价。输出y是房子价格，输入Xi就是多种影响因素，可能是大小，距离，教育资源等等，类比MINIST问题就是输入图片的像素值；W为各影响因素的权，b为偏移量；

2. 设置占位符

tf.placeholder( dtype, shape=None, name )
dtype是数据类型;shape是数据形状，默认一维，也可二维;name可有可无
palceholder只暂时存储变量，传值过程在sess.run()中进行

x = tf.placeholder(tf.float32, [None, 784])
# 用于得到传递进来的待识别的训练图片
W = tf.Variable(tf.zeros([784, 10]))
# 相当于一层神经网络上的参数
b = tf.Variable(tf.zeros([10]))
# 偏置向量

2. 预测函数

y是模型的输出，y_是实际的图像标签，用one-hot表示

# y=softmax(Wx + b)，y表示模型的输出
y = tf.nn.softmax(tf.matmul(x, W) + b)
# tf.matmual()表示两个矩阵相乘# y_是实际的图像标签，同样以占位符表示
y_ = tf.placeholder(tf.float32, [None, 10])

3. 损失函数

根据y和y_来构造交叉熵损失函数

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y)))

4. 梯度下降

使用梯度下降的方式去迭代使得损失函数达到最小；
GradientDescentOptimizer(0.01)是梯度下降的封装函数，设置0.01的初始学习速率；
minimize(cross_entropy)表示最小化损失函数；

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

5. 定义会话Session

上面所有的步骤只是定义了一个框架，Tensorflow中要求所有的数据计算都要在定义的会话中进行；

with tf.Session() as sess:tf.global_variables_initializer().run()# 初始化所有变量for _ in range(1000):# 迭代1000次batch_xs, batch_ys = mnist.train.next_batch(100)sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})  # feed_dict给使用placeholder创建出来的tensor赋值

6. 查看准确率

equal（）函数：逐元素比较是否相等,返回结一个比较结果（Ture/False）
reduce_mean（）函数:计算张量的各个维度上的元素的平均值
cast（）函数：张量数据类型转换，将布尔型转换为float32
例如：
[True,False,True,True]可以用[1,0,1,1]表示，精度为0.75
0.75 = 3/4

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
# 用测试集的数据去得到准确率

源代码

github源代码