Tensorflow2.0-mnist手寫數字識别示例
讀書不覺春已深，一寸光陰一寸金。
簡介：通過CNN 卷積神經網絡訓練後識别出手寫圖檔，測試圖檔mnist資料集中的0、1、2、4。
一、mnist資料集準備
雖然可以通過代碼自動下載下傳資料集，但是mnist 資料集國内下載下傳不穩定，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 中未擷取到mnist 資料集就會自動下載下傳，但下載下傳時間比較久，還是提前準備好。
Downloading mnist data from https
mnist資料集官網如上，下載下傳下面四個東西就可以了，圖中标紅的兩個images和lables。
Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解壓後 47 MB, 包含 60,000 個樣本)
Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解壓後 60 KB, 包含 60,000 個标簽)
Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解壓後 7.8 MB, 包含 10,000 個樣本)
Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解壓後 10 KB, 包含 10,000 個标簽)
MNIST 資料集來自美國國家标準與技術研究所, 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 的從業人員；測試集(test set) 也是同樣比例的手寫數字資料；可以建立一個檔案夾 – mnist, 将資料集下載下傳到 mnist 解壓即可。
mnist資料集整合
三、圖檔訓練
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的輸入是次元為（image_height, image_width, color_channels）的張量，
12 # mnist資料集是黑白的，是以隻有一個color_channels 顔色通道；一般的彩色圖檔有3個（R, G, B），
13 # 也有4個通道的（R, G, B, A），A代表透明度；
14 # 對于mnist資料集，輸入的張量次元為(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為待訓練圖檔的大小
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層用來将輸入“壓平”，即把多元的輸入一維化，常用在從卷積層到全連接配接層的過渡。Flatten不影響batch的大小
33 # dense ：全連接配接層相當于添加一個層
34 # softmax用于多分類過程中，它将多個神經元的輸出，映射到（0,1）區間内，可以看成機率來了解，進而來進行多分類！
35 model.summary() # 輸出模型各層的參數狀況
36
37 self.model = model
38
39
40 # mnist資料集預處理
41 class DataSource(object):
42 def __init__(self):
43 # mnist資料集存儲的位置，如果不存在将自動下載下傳
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 # 6萬張訓練圖檔，1萬張測試圖檔
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 # 開始訓練并儲存訓練結果
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儲存一次
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("準确率: %.4f，共測試了%d張圖檔 " % (test_acc, len(self.data.test_labels)))
79
80
81 if __name__ == "__main__":
82 app = Train()
83 app.train() View Code~拍一拍小輪胎
mnist手寫數字識别訓練了四分鐘左右，準确率高達0.9902，下面的視訊隻截取了訓練的前十秒。
mnist手寫數字識别訓練視訊
model.summary()列印定義的模型結構
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 _________________________________________________________________ View Code
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，随着height 和width 的變小，channel可以變大（從算力的角度）。
模型的後半部分，是定義張量的輸出。layers.Flatten 會将三維的張量轉為一維的向量，展開前張量的次元是(3, 3, 64) ，轉為一維(576)【3*3*64】的向量後，緊接着使用layers.Dense 層，構造了2層全連接配接層，逐漸地将一維向量的位數從576變為64，再變為10。
後半部分相當于是建構了一個隐藏層為64，輸入層為576，輸出層為10的普通的神經網絡。最後一層的激活函數是softmax，10位恰好可以表達0-9十個數字。最大值的下标即可代表對應的數字，使用numpy 的argmax() 方法擷取最大值下标，很容易計算得到預測值。
train.py運作結果
可以看到，在第一輪訓練後，識别準确率達到了0.9536，五輪訓練之後，使用測試集驗證，準确率達到了0.9902。在第五輪時，模型參數成功儲存在了./ckpt/cp-0005.ckpt，而且此時準确率為更高的0.9940，是以也并不是訓練時間次數越久越好，過猶不及。可以加載儲存的模型參數，恢複整個卷積神經網絡，進行真實圖檔的預測。
儲存訓練模型參數
四、圖檔預測
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 # 恢複網絡權重
19 self.cnn.model.load_weights(latest)
20
21 def predict(self, image_path):
22 # 以黑白方式讀取圖檔
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隻傳入了一張圖檔，取y[0]即可
31 # np.argmax()取得最大值的下标，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訓練後通過模型參數準确預測出了0、1、2、4四張手寫圖檔的真實值。
讀書不覺春已深
一寸光陰一寸金