tensorflow學習之識別單張圖片的實現（python手寫數字）

假設我們已經安裝好了tensorflow。

一般在安裝好tensorflow後，都會跑它的demo，而最常見的demo就是手寫數字識別的demo,也就是mnist數據集。

然而我們僅僅是跑了它的demo而已，可能很多人會有和我一樣的想法，如果拿來一張數字圖片，如何應用我們訓練的網絡模型來識別出來，下面我們就以mnist的demo來實現它。

1.訓練模型

首先我們要訓練好模型，並且把模型model.ckpt保存到指定文件夾

saver = tf.train.Saver() 

saver.save(sess, "model_data/model.ckpt")

將以上兩行代碼加入到訓練的代碼中，訓練完成後保存模型即可，如果這部分有問題，你可以百度查閱資料，tensorflow怎麼保存訓練模型，在這裏我們就不羅嗦了。

2.測試模型

我們訓練好模型後，將它保存在了model_data文件夾中，你會發現文件夾中出現了4個文件

然後，我們就可以對這個模型進行測試了，將待檢測圖片放在images文件夾下，執行

# -*- coding:utf-8 -*-  
import cv2
import tensorflow as tf
import numpy as np
from sys import path
path.append('../..')
from common import extract_mnist

#初始化單個卷積核上的參數
def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

#初始化單個卷積核上的偏置值
def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

#輸入特徵x，用卷積核W進行卷積運算，strides爲卷積核移動步長，
#padding表示是否需要補齊邊緣像素使輸出圖像大小不變
def conv2d(x, W):
	return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

#對x進行最大池化操作，ksize進行池化的範圍，
def max_pool_2x2(x):
	return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],strides=[1, 2, 2, 1], padding='SAME')


def main():
	
	#定義會話
	sess = tf.InteractiveSession()
	
	#聲明輸入圖片數據，類別
	x = tf.placeholder('float',[None,784])
	x_img = tf.reshape(x , [-1,28,28,1])

	W_conv1 = weight_variable([5, 5, 1, 32])
	b_conv1 = bias_variable([32])
	W_conv2 = weight_variable([5,5,32,64])
	b_conv2 = bias_variable([64])
	W_fc1 = weight_variable([7*7*64,1024])
	b_fc1 = bias_variable([1024])
	W_fc2 = weight_variable([1024,10])
	b_fc2 = bias_variable([10])

	saver = tf.train.Saver(write_version=tf.train.SaverDef.V1) 
	saver.restore(sess , 'model_data/model.ckpt')

	#進行卷積操作，並添加relu激活函數
	h_conv1 = tf.nn.relu(conv2d(x_img,W_conv1) + b_conv1)
	#進行最大池化
	h_pool1 = max_pool_2x2(h_conv1)

	#同理第二層卷積層
	h_conv2 = tf.nn.relu(conv2d(h_pool1,W_conv2) + b_conv2)
	h_pool2 = max_pool_2x2(h_conv2)
	
	#將卷積的產出展開
	h_pool2_flat = tf.reshape(h_pool2,[-1,7*7*64])
	#神經網絡計算，並添加relu激活函數
	h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat,W_fc1) + b_fc1)

	#輸出層，使用softmax進行多分類
	y_conv=tf.nn.softmax(tf.matmul(h_fc1, W_fc2) + b_fc2)

	# mnist_data_set = extract_mnist.MnistDataSet('../../data/')
	# x_img , y  = mnist_data_set.next_train_batch(1)
	im = cv2.imread('images/888.jpg',cv2.IMREAD_GRAYSCALE).astype(np.float32)
	im = cv2.resize(im,(28,28),interpolation=cv2.INTER_CUBIC)
	#圖片預處理
	#img_gray = cv2.cvtColor(im , cv2.COLOR_BGR2GRAY).astype(np.float32)
	#數據從0~255轉爲-0.5~0.5
	img_gray = (im - (255 / 2.0)) / 255
	#cv2.imshow('out',img_gray)
	#cv2.waitKey(0)
	x_img = np.reshape(img_gray , [-1 , 784])

	print x_img
	output = sess.run(y_conv , feed_dict = {x:x_img})
	print 'the y_con :   ', '\n',output
	print 'the predict is : ', np.argmax(output)

	#關閉會話
	sess.close()

if __name__ == '__main__':
	main()

ok，貼一下效果圖

輸出：

最後再貼一個cifar10的，感覺我的輸入數據有點問題，因爲直接讀cifar10的數據測試是沒問題的，但是換成自己的圖片做預處理後輸入結果就有問題，（參考：cv2讀入的數據是BGR順序，PIL讀入的數據是RGB順序，cifar10的數據是RGB順序），哪位童鞋能指出來記得留言告訴我

# -*- coding:utf-8 -*-  

from sys import path
import numpy as np
import tensorflow as tf
import time
import cv2
from PIL import Image
path.append('../..')
from common import extract_cifar10
from common import inspect_image


#初始化單個卷積核上的參數
def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

#初始化單個卷積核上的偏置值
def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

#卷積操作
def conv2d(x, W):
	return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')



def main():
	#定義會話
	sess = tf.InteractiveSession()
	
	#聲明輸入圖片數據，類別
	x = tf.placeholder('float',[None,32,32,3])
	y_ = tf.placeholder('float',[None,10])

	#第一層卷積層
	W_conv1 = weight_variable([5, 5, 3, 64])
	b_conv1 = bias_variable([64])
	#進行卷積操作，並添加relu激活函數
	conv1 = tf.nn.relu(conv2d(x,W_conv1) + b_conv1)
	# pool1
	pool1 = tf.nn.max_pool(conv1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1],padding='SAME', name='pool1')
	# norm1
	norm1 = tf.nn.lrn(pool1, 4, bias=1.0, alpha=0.001 / 9.0, beta=0.75,name='norm1')


	#第二層卷積層
	W_conv2 = weight_variable([5,5,64,64])
	b_conv2 = bias_variable([64])
	conv2 = tf.nn.relu(conv2d(norm1,W_conv2) + b_conv2)
	# norm2
	norm2 = tf.nn.lrn(conv2, 4, bias=1.0, alpha=0.001 / 9.0, beta=0.75,name='norm2')
	# pool2
	pool2 = tf.nn.max_pool(norm2, ksize=[1, 3, 3, 1],strides=[1, 2, 2, 1], padding='SAME', name='pool2')

	#全連接層
	#權值參數
	W_fc1 = weight_variable([8*8*64,384])
	#偏置值
	b_fc1 = bias_variable([384])
	#將卷積的產出展開
	pool2_flat = tf.reshape(pool2,[-1,8*8*64])
	#神經網絡計算，並添加relu激活函數
	fc1 = tf.nn.relu(tf.matmul(pool2_flat,W_fc1) + b_fc1)
	
	#全連接第二層
	#權值參數
	W_fc2 = weight_variable([384,192])
	#偏置值
	b_fc2 = bias_variable([192])
	#神經網絡計算，並添加relu激活函數
	fc2 = tf.nn.relu(tf.matmul(fc1,W_fc2) + b_fc2)


	#輸出層，使用softmax進行多分類
	W_fc2 = weight_variable([192,10])
	b_fc2 = bias_variable([10])
	y_conv=tf.maximum(tf.nn.softmax(tf.matmul(fc2, W_fc2) + b_fc2),1e-30)

	#
	saver = tf.train.Saver()
	saver.restore(sess , 'model_data/model.ckpt')
	#input
	im = Image.open('images/dog8.jpg')
	im.show()
	im = im.resize((32,32))
	# r , g , b = im.split()
	# im = Image.merge("RGB" , (r,g,b))
	print im.size , im.mode

	im = np.array(im).astype(np.float32)
	im = np.reshape(im , [-1,32*32*3])
	im = (im - (255 / 2.0)) / 255
	batch_xs = np.reshape(im , [-1,32,32,3])
	#print batch_xs
	#獲取cifar10數據
	# cifar10_data_set = extract_cifar10.Cifar10DataSet('../../data/')
	# batch_xs, batch_ys = cifar10_data_set.next_train_batch(1)
	# print batch_ys
	output = sess.run(y_conv , feed_dict={x:batch_xs})
	print output
	print 'the out put is :' , np.argmax(output)
	#關閉會話
	sess.close()

if __name__ == '__main__':
	main()