Tensorflow2.0-mnist手寫數字識別示例
讀書不覺春已深，一寸光陰一寸金。
簡介：通過CNN 卷積神經網絡訓練后識別出手寫圖片，測試圖片mnist數據集中的0、1、2、4。
一、mnist數據集准備
雖然可以通過代碼自動下載數據集，但是mnist 數據集國內下載不穩定，會出現【Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz】的情況，代碼從定義目錄data_set_tf3 中未獲取到mnist 數據集就會自動下載，但下載時間比較久，還是提前准備好。
Downloading mnist data from https
mnist數據集官網如上，下載下面四個東西就可以了，圖中標紅的兩個images和lables。
Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解壓后 47 MB, 包含 60,000 個樣本)
Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解壓后 60 KB, 包含 60,000 個標簽)
Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解壓后 7.8 MB, 包含 10,000 個樣本)
Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解壓后 10 KB, 包含 10,000 個標簽)
MNIST 數據集來自美國國家標准與技術研究所, 訓練集 (training set) 由來自 250 個不同人手寫的數字構成, 其中 50% 是高中學生, 50% 來自人口普查局 的工作人員；測試集(test set) 也是同樣比例的手寫數字數據；可以新建一個文件夾 – mnist, 將數據集下載到 mnist 解壓即可。
mnist數據集整合
三、圖片訓練
train.py 訓練代碼如下：
1 import os 2 import tensorflow as tf 3 from tensorflow.keras import datasets, layers, models 4
5 '''
6 python 3.7、3.9 7 tensorflow 2.0.0b0 8 '''
9
10 # 模型定義的前半部分主要使用Keras.layers 提供的Conv2D（卷積）與MaxPooling2D（池化）函數。
11 # CNN的輸入是維度為（image_height, image_width, color_channels）的張量，
12 # mnist數據集是黑白的，因此只有一個color_channels 顏色通道；一般的彩色圖片有3個（R, G, B），
13 # 也有4個通道的（R, G, B, A），A代表透明度；
14 # 對於mnist數據集，輸入的張量維度為(28, 28, 1)，通過參數input_shapa 傳給網絡的第一層
15 # CNN模型處理:
16 class CNN(object): 17 def __init__(self): 18 model = models.Sequential() 19 # 第1層卷積，卷積核大小為3*3，32個，28*28為待訓練圖片的大小
20 model.add(layers.Conv2D( 21 32, (3, 3), activation='relu', input_shape=(28, 28, 1))) 22 model.add(layers.MaxPooling2D((2, 2))) 23 # 第2層卷積，卷積核大小為3*3，64個
24 model.add(layers.Conv2D(64, (3, 3), activation='relu')) # 使用神經網絡中激活函數ReLu
25 model.add(layers.MaxPooling2D((2, 2))) 26 # 第3層卷積，卷積核大小為3*3，64個
27 model.add(layers.Conv2D(64, (3, 3), activation='relu')) 28
29 model.add(layers.Flatten()) 30 model.add(layers.Dense(64, activation='relu')) 31 model.add(layers.Dense(10, activation='softmax')) 32 # Flatten層用來將輸入“壓平”，即把多維的輸入一維化，常用在從卷積層到全連接層的過渡。Flatten不影響batch的大小
33 # dense ：全連接層相當於添加一個層
34 # softmax用於多分類過程中，它將多個神經元的輸出，映射到（0,1）區間內，可以看成概率來理解，從而來進行多分類！
35 model.summary() # 輸出模型各層的參數狀況
36
37 self.model = model 38
39
40 # mnist數據集預處理
41 class DataSource(object): 42 def __init__(self): 43 # mnist數據集存儲的位置，如果不存在將自動下載
44 data_path = os.path.abspath(os.path.dirname( 45 __file__)) + '/../data_set_tf2/mnist.npz'
46 (train_images, train_labels), (test_images, 47 test_labels) = datasets.mnist.load_data(path=data_path) 48 # 6萬張訓練圖片，1萬張測試圖片
49 train_images = train_images.reshape((60000, 28, 28, 1)) 50 test_images = test_images.reshape((10000, 28, 28, 1)) 51 # 像素值映射到 0 - 1 之間
52 train_images, test_images = train_images / 255.0, test_images / 255.0
53
54 self.train_images, self.train_labels = train_images, train_labels 55 self.test_images, self.test_labels = test_images, test_labels 56
57
58 # 開始訓練並保存訓練結果
59 class Train: 60 def __init__(self): 61 self.cnn = CNN() 62 self.data = DataSource() 63
64 def train(self): 65 check_path = './ckpt/cp-{epoch:04d}.ckpt'
66 # period 每隔5epoch保存一次
67 save_model_cb = tf.keras.callbacks.ModelCheckpoint( 68 check_path, save_weights_only=True, verbose=1, period=5) 69
70 self.cnn.model.compile(optimizer='adam', 71 loss='sparse_categorical_crossentropy', 72 metrics=['accuracy']) 73 self.cnn.model.fit(self.data.train_images, self.data.train_labels, 74 epochs=5, callbacks=[save_model_cb]) 75
76 test_loss, test_acc = self.cnn.model.evaluate( 77 self.data.test_images, self.data.test_labels) 78 print("准確率: %.4f，共測試了%d張圖片 " % (test_acc, len(self.data.test_labels))) 79
80
81 if __name__ == "__main__": 82 app = Train() 83 app.train()
mnist手寫數字識別訓練了四分鍾左右，准確率高達0.9902，下面的視頻只截取了訓練的前十秒。
mnist手寫數字識別訓練視頻
model.summary()打印定義的模型結構
CNN定義的模型結構
1 Model: "sequential" 2 _________________________________________________________________ 3 Layer (type) Output Shape Param # 4 ================================================================= 5 conv2d (Conv2D) (None, 26, 26, 32) 320 6 _________________________________________________________________ 7 max_pooling2d (MaxPooling2D) (None, 13, 13, 32) 0 8 _________________________________________________________________ 9 conv2d_1 (Conv2D) (None, 11, 11, 64) 18496 10 _________________________________________________________________ 11 max_pooling2d_1 (MaxPooling2 (None, 5, 5, 64) 0 12 _________________________________________________________________ 13 conv2d_2 (Conv2D) (None, 3, 3, 64) 36928 14 _________________________________________________________________ 15 flatten (Flatten) (None, 576) 0 16 _________________________________________________________________ 17 dense (Dense) (None, 64) 36928 18 _________________________________________________________________ 19 dense_1 (Dense) (None, 10) 650 20 ================================================================= 21 Total params: 93,322 22 Trainable params: 93,322 23 Non-trainable params: 0 24 _________________________________________________________________
我們可以看到，每一個Conv2D 和MaxPooling2D 層的輸出都是一個三維的張量(height, width, channels)，height 和width 會逐漸地變小；輸出的channel 的個數，是由第一個參數(例如，32或64)控制的，隨着height 和width 的變小，channel可以變大（從算力的角度）。
模型的后半部分，是定義張量的輸出。layers.Flatten 會將三維的張量轉為一維的向量，展開前張量的維度是(3, 3, 64) ，轉為一維(576)【3*3*64】的向量后，緊接着使用layers.Dense 層，構造了2層全連接層，逐步地將一維向量的位數從576變為64，再變為10。
后半部分相當於是構建了一個隱藏層為64，輸入層為576，輸出層為10的普通的神經網絡。最后一層的激活函數是softmax，10位恰好可以表達0-9十個數字。最大值的下標即可代表對應的數字，使用numpy 的argmax() 方法獲取最大值下標，很容易計算得到預測值。
train.py運行結果
可以看到，在第一輪訓練后，識別准確率達到了0.9536，五輪訓練之后，使用測試集驗證，准確率達到了0.9902。在第五輪時，模型參數成功保存在了./ckpt/cp-0005.ckpt，而且此時准確率為更高的0.9940，所以也並不是訓練時間次數越久越好，過猶不及。可以加載保存的模型參數，恢復整個卷積神經網絡，進行真實圖片的預測。
保存訓練模型參數
四、圖片預測
predict.py代碼如下：
1 import tensorflow as tf 2 from PIL import Image 3 import numpy as np 4
5 from mnist.v4_cnn.train import CNN 6
7 '''
8 python 3.7 3.9 9 tensorflow 2.0.0b0 10 pillow(PIL) 4.3.0 11 '''
12
13
14 class Predict(object): 15 def __init__(self): 16 latest = tf.train.latest_checkpoint('./ckpt') 17 self.cnn = CNN() 18 # 恢復網絡權重
19 self.cnn.model.load_weights(latest) 20
21 def predict(self, image_path): 22 # 以黑白方式讀取圖片
23 img = Image.open(image_path).convert('L') 24 img = np.reshape(img, (28, 28, 1)) / 255. 25 x = np.array([1 - img]) 26
27 # API refer: https://keras.io/models/model/
28 y = self.cnn.model.predict(x) 29
30 # 因為x只傳入了一張圖片，取y[0]即可
31 # np.argmax()取得最大值的下標，即代表的數字
32 print(image_path) 33 print(y[0]) 34 print(' -> Predict picture number is: ', np.argmax(y[0])) 35
36
37 if __name__ == "__main__": 38 app = Predict() 39 app.predict('../test_images/0.png') 40 app.predict('../test_images/1.png') 41 app.predict('../test_images/4.png') 42 app.predict('../test_images/2.png')
預測結果
預測結果：
1 ../test_images/0.png 2 [9.9999774e-01 2.6819215e-08 1.2541744e-07 8.7437911e-08 1.0661940e-09
3 3.3693670e-08 4.6488995e-07 3.5915035e-09 9.8040758e-08 1.4385278e-06] 4 -> Predict picture number is: 0 5 ../test_images/1.png 6 [7.75440956e-09 9.99991298e-01 1.41642090e-07 1.09819875e-10
7 6.76554646e-06 7.63710162e-09 2.37024622e-08 1.58189516e-06
8 2.49125264e-07 4.92376007e-09] 9 -> Predict picture number is: 1
10 ../test_images/4.png 11 [7.03467840e-10 8.20740708e-04 1.11648405e-04 3.93262711e-09
12 9.99048650e-01 1.08713095e-07 4.24647197e-08 1.85665340e-05
13 5.03181887e-08 1.86591734e-07] 14 -> Predict picture number is: 4
15 ../test_images/2.png 16 [1.5828672e-08 1.9245699e-07 9.9999440e-01 5.3448480e-06 1.7397912e-10
17 8.6148493e-13 2.5441890e-10 5.3953073e-08 3.5735226e-08 8.9734775e-11] 18 -> Predict picture number is: 2
如上，經CNN訓練后通過模型參數准確預測出了0、1、2、4四張手寫圖片的真實值。
讀書不覺春已深
一寸光陰一寸金