MNIST手写数字识别程序

实验环境：

python3.6.3 pip 9.0.1 tensorflow 1.10.0 window 10 oracle vm virtualbox ubuntu 16.0.1

1.基于tensorflow对mnist预测，需要连接外网。

下面代码可以直接复制去调试，识别率高达98%，最低也在91%。python对代码格式有非常高的要求。行头不能同时存在tab和空格。函数内行头对齐。大概有3/40分钟左右.不过我在8月20号训练结果不是这样，最高也就97%，最低89%。不清楚其中原因

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据集
mnist = input_data.read_data_sets("/dataset",one_hot=True)
#每一批数据大小
batch_size = 100
#计算多少批数据
n_batch = mnist.train.num_examples
#定义两个placeholder,None=100,28*28=784,即100行784列
x = tf.placeholder(tf.float32,[None,784])
#0-9个输出标签
y = tf.placeholder(tf.float32,[None,10])
#创建一个简单的神经网络
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([1,10]))
#softmax函数转化为概率值
prediction = tf.nn.softmax(tf.matmul(x,W)+b)
#二次代价函数
loss = tf.reduce_mean(tf.square(y-prediction))
#使用梯度下降法
train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)
#初始化变量
init = tf.global_variables_initializer()
#tf.equal()比较函数大小是否相同，相同为True,不同为false;tf.argmax()：求y=1在哪个位置，求概率最#大在哪个位置
#argmax返回一维张量中最大的值所在的位置，结果存放在一个布尔型列表中
correct_prediction= tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))
#cast转化类型，将布尔型转化为32位浮点型，true=1.0,false=0.0再求平均值
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
with tf.Session() as sess:sess.run(init)#将所有图片训练21次for epoch in range(21):#每次训练所有图片for batch in range(n_batch):batch_xs,batch_ys = mnist.train.next_batch(batch_size)#feed_dict传入训练集的图片和标签sess.run(train_step,feed_dict={x:batch_xs,y:batch_ys})#传入测试集的图片和标签acc = sess.run(accuracy,feed_dict={x:batch_xs,y:batch_ys})print("Iter"+str(epoch)+",Testing Accuracy:"+str(acc))

2.数据模型对mnist预测，预测结果在代码后面截图，几分钟就可看到结果

import struct
from sklearn import cross_validation,svm,metrics
#将mnist 数据集转换成csv格式
def to_csv(name,maxdata):#打开标签数据集lbl_f = open("./dataset/"+name+"-labels.idx1-ubyte","rb")#打开图像数据集img_f = open("./dataset/"+name+"-images.idx3-ubyte","rb")#写入csv文件csv_f = open("./dataset/"+name+",csv","w",encoding="utf-8")#将字节流转换成python数据类型复制给标签mag,lbl_count=struct.unpack(">II",lbl_f.read(8))#将字节流转换成python数据类型复制给图像mag,img_count=struct.unpack(">II",img_f.read(8))#将字节流转换成python数据类型复制给行列rows,cols=struct.unpack(">II",img_f.read(8))#计算数据总量pixels=rows*colsres=[]for idx in range(lbl_count):#设置计数器，大于数据个数总量就跳出循环if idx > maxdata:breaklabel=struct.unpack("B",lbl_f.read(1))[0]bdata=img_f.read(pixels)sdata=list(map(lambda n:str(n),bdata))#写入标签csv_f.write(str(labek)+",")#写入数据csv_f.write(",".join(sdata)+"\r\n")if idx < 10:s="P2 28 28 255\n"s+=" ".join(sdata)iname="./dataset/{0}-{1}-{2}.pgm".format(name.idx,label)with open(iname,"w",encoding="utf-8")as f:f.write(s)#关闭数据流，释放资源csv_f.close()lbl_f.close()img_f.close()
#转换到train.csv 1000个数据
to_csv("train",1000)
#转换到t10k.csv 1000个数据
to_csv("t10k",1000)
#通过sklearn的交叉验证处理数据，svm训练数据预测结果，metrics生成分类报告和准确率
def load_csv(fname):labels=[]images=[]with open(fname,"r")as f:for line in f:cols=line.split(",")if len(cols)<2:continuelabels.append(int(cols.pop(0)))vals=list(map(lambda n:int(n)/256,cols))images.append(vals)return{"labels":labels,"images":images}
data=load_csv("./dataset/train.csv")
test=load_csv("./dataset/t10k.csv")
clf=svm.SVC()
#训练数据集
clf.fit(data["images"],data["labels"])
#预测数据集
predict=clf.predict(test["images"])
#生成测试精度
sore=metrics.accuracy_score(test["labels"],predict)
#生成交叉验证的报告
report=metrics.classification_report(test["labels"],predict)
print(score)
ptrint(report)

该结果是训练1000次的

该结果是训练10000次的

MNIST手写数字识别程序相关推荐

深度学习练手项目（一）-----利用PyTorch实现MNIST手写数字识别
一.前言 MNIST手写数字识别程序就不过多赘述了,这个程序在深度学习中的地位跟C语言中的Hello World地位并驾齐驱,虽然很基础,但很重要,是深度学习入门必备的程序之一. 二.MNIST数据集 ...
TensorFlow高阶 API: keras教程-使用tf.keras搭建mnist手写数字识别网络
TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字识别网络目录 TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字 ...
持久化的基于L2正则化和平均滑动模型的MNIST手写数字识别模型
持久化的基于L2正则化和平均滑动模型的MNIST手写数字识别模型觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献Tensorflow实战Google深度学习框架实验平台: Tens ...
MNIST 手写数字识别（一）
MNIST 手写数字识别模型建立与优化本篇的主要内容有: TensorFlow 处理MNIST数据集的基本操作建立一个基础的识别模型介绍 S o f t m a x Softmax Softma ...
基于K210的MNIST手写数字识别
基于K210的MNIST手写数字识别项目已开源链接: Github. 硬件平台采用Maixduino开发板在sipeed官方有售软件平台使用MaixPy环境进行单片机的编程官方资源可在这里 ...
Caffe MNIST 手写数字识别（全面流程）
目录 1.下载MNIST数据集 2.生成MNIST图片训练.验证.测试数据集 3.制作LMDB数据库文件 4.准备LeNet-5网络结构定义模型.prototxt文件 5.准备模型求解配置文件_sol ...
matlab朴素贝叶斯手写数字识别_机器学习系列四：MNIST 手写数字识别
4. MNIST 手写数字识别机器学习中另外一个相当经典的例子就是MNIST的手写数字学习.通过海量标定过的手写数字训练,可以让计算机认得0~9的手写数字.相关的实现方法和论文也很多,我们这一篇教程 ...
C语言底层搭建CNN实现MNIST手写数字识别
手写数字识别手写数字识别是指使用计算机自动识别手写体阿拉伯数字的技术.作为光学字符识别OCR的一个分支,它可以被广泛应用到手写数据的自动录入场景中.传统的识别方法如最近邻算法k-NN.支持向量机SV ...
ANN原来如此简单！——用Excel实现的MNIST手写数字识别（之一）
ANN原来如此简单人工神经网络目前仍然是一个火热的话题,许多人都对它充满了兴趣.然而,对于想了解ANN具体是怎么回事的同学来说,往往缺乏一个足够简单可视化的方法去了解神经网络的内部构造.网络上的各种 ...

MNIST手写数字识别程序

MNIST手写数字识别程序相关推荐

最新文章

热门文章