深度学习项目 -7-使用 Python 的手写数字识别

 一、前言

该文章仅作为个人学习使用

二、正文

项目源代码：深度学习项目 - 使用 Python 进行手写数字识别 - DataFlair (data-flair.training)

数据集：​​​​​​​https://drive.google.com/open?id=1hJiOlxctFH3uL2yTqXU_1f6c0zLr8V_K

Python 深度学习项目

为了让机器更智能，开发人员正在深入研究机器学习和深度学习技术。一个人通过一次又一次地练习和重复任务来学习执行任务，以便记住如何执行任务。然后他大脑中的神经元自动触发，它们可以快速执行他们学到的任务。深度学习也与此非常相似。它使用不同类型的神经网络架构来解决不同类型的问题。例如，物体识别、图像和声音分类、物体检测、图像分割等。

什么是手写数字识别？

手写数字识别是计算机识别人类手写数字的能力。对于机器来说，这是一项艰巨的任务，因为手写数字并不完美，可以制作成许多不同的口味。手写数字识别是这个问题的解决方案，它使用数字的图像并识别图像中存在的数字。

关于 Python 深度学习项目

在本文中，我们将使用 MNIST 数据集实现一个手写数字识别应用程序。我们将使用一种特殊类型的深度神经网络，即卷积神经网络。最后，我们将构建一个 GUI，您可以在其中绘制数字并立即识别它。

先决条件

有趣的 Python 项目需要您具备 Python 编程的基础知识、使用 Keras 库进行深度学习以及用于构建 GUI 的 Tkinter 库。

使用以下命令安装此项目所需的库：

pip 安装 numpy、tensorflow、keras、pillow、

MNIST数据集

这可能是机器学习和深度学习爱好者中最受欢迎的数据集之一。MNIST 数据集包含 60,000 张从 0 到 9 的手写数字训练图像和 10,000 张用于测试的图像。因此，MNIST 数据集有 10 个不同的类。手写数字图像表示为 28×28 矩阵，其中每个单元格都包含灰度像素值。

下载项目的完整源代码

构建基于手写数字识别的Python深度学习项目

以下是实施手写数字识别项目的步骤：

1. 导入库并加载数据集

首先，我们要导入训练模型所需的所有模块。Keras库已经包含了一些数据集，MNIST就是其中之一。因此，我们可以轻松地导入数据集并开始使用它。mnist.load_data（） 方法向我们返回训练数据、标签以及测试数据和标签。

导入 Keras

来自Keras。数据集导入 MNIST

来自Keras。模型导入顺序

来自Keras。图层导入 Dense、Dropout、Flatten

来自Keras。图层导入 Conv2D、MaxPooling2D

从 keras 导入后端作为 K

# 数据，在训练集和测试集之间拆分

(x_train， y_train）， （x_test， y_test） = mnist.load_data()

打印（x_train.形状，y_train。形状)

2. 预处理数据

图像数据不能直接输入到模型中，因此我们需要执行一些操作并处理数据，以便为我们的神经网络做好准备。训练数据的维度为 （60000,28,28）。CNN 模型将需要一个维度，因此我们将矩阵重塑为 shape （60000,28,28,1）。

x_train = x_train。重塑（x_train。形状[0]， 28， 28， 1)

x_test = x_test。重塑（x_test。形状[0]， 28， 28， 1)

input_shape = （28， 28， 1)

# 将类向量转换为二进制类矩阵

y_train = keras。utils。to_categorical（y_train， num_classes)

y_test = keras。utils。to_categorical（y_test， num_classes)

x_train = x_train。astype（'float32')

x_test = x_test。astype（'float32')

x_train /= 255

x_test /= 255

print（'x_train形状：'， x_train.形状)

打印（x_train.shape[0]， '训练样本')

打印（x_test。shape[0]， '测试样本')

3. 创建模型

现在，我们将在 Python 数据科学项目中创建 CNN 模型。CNN 模型通常由卷积层和池化层组成。它适用于表示为网格结构的数据，这就是 CNN 在图像分类问题中效果不佳的原因。dropout 层用于停用一些神经元，在训练时，它会减少模型的拟合。然后，我们将使用 Adadelta 优化器编译模型。

batch_size = 128

num_classes = 10

纪元 = 10

model = 顺序()

型。add（Conv2D（32， kernel_size=（3， 3），activation='relu'，input_shape=input_shape))

型。add（Conv2D（64， （3， 3）， activation='relu'))

型。add（MaxPooling2D（pool_size=（2， 2)))

型。加（辍学（0.25))

型。添加（展平())

型。add（Dense（256， activation='relu'))

型。添加（辍学（0.5))

model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adadelta(),metrics=['accuracy'])

4. 训练模型

Keras 的 model.fit（） 函数将开始模型的训练。它采用训练数据、验证数据、epoch 和批量大小。

训练模型需要一些时间。训练后，我们将权重和模型定义保存在“mnist.h5”文件中。

hist = 模型。fit（x_train， y_train，batch_size=batch_size，epochs=epochs，verbose=1，validation_data=（x_test， y_test))

print（“模型已成功训练”)

型。保存（'mnist.h5')

print（“将模型另存为 mnist.h5”)

5. 评估模型

我们的数据集中有 10,000 张图像，这些图像将用于评估我们的模型的工作情况。测试数据没有参与数据的训练，因此，它是我们模型的新数据。MNIST数据集平衡性很好，因此我们可以获得大约99%的准确率。

分数 = 模型。evaluate（x_test， y_test， verbose=0)

print（'测试损失：'， score[0])

print（'测试精度：'， score[1])

6. 创建 GUI 以预测数字

现在对于 GUI，我们创建了一个新文件，在其中我们构建了一个交互式窗口，用于在画布上绘制数字，并且通过一个按钮，我们可以识别数字。Tkinter 库位于 Python 标准库中。我们创建了一个函数 predict_digit（），它将图像作为输入，然后使用经过训练的模型来预测数字。

然后我们创建 App 类，该类负责为我们的应用程序构建 GUI。我们创建一个画布，可以通过捕获鼠标事件来绘制，并使用一个按钮触发 predict_digit（） 函数并显示结果。

以下是我们gui_digit_recognizer.py文件的完整代码：

来自Keras。模型导入load_model

从 tkinter 导入*

将 tkinter 导入为 tk

导入 Win32GUI

从 PIL 导入 ImageGrab， 图像

将 numpy 导入为 np

模型 = load_model（'mnist.h5')

定义 predict_digit（img）：

#resize 图像到 28x28 像素

img = img。调整大小（（28,28))

#convert RGB 到灰度

img = img。convert（'L')

img = np。阵列（img)

#reshaping 支持我们的模型输入和归一化

img = img。重塑（1,28,28,1 )

img = img/255.0

#predicting 课程

res = 模型。预测（[img]）[0]

返回 NP。argmax（res）， max（res)

类 App（tk.Tk）：

def __init__（个体经营）：

传统知识。Tk。__init__（自行)

自我。x = 自我。y = 0

# 创建元素

自我。帆布 = TK。Canvas（self， width=300， height=300， bg = “白色”， cursor=“cross”)

自我。标签 = TK。Label（self， text=“思考..”， font=（“Helvetica”， 48))

自我。classify_btn = 传统知识。Button（self， text = “识别”， command = self.classify_handwriting)

自我。button_clear = TK。Button（self， text = “清除”， command = self.clear_all)

# 网格结构

自我。帆布。grid（row=0， column=0， pady=2， sticky=W， )

自我。标签。grid（row=0， column=1，pady=2， padx=2)

自我。classify_btn.grid（row=1， column=1， pady=2， padx=2)

自我。button_clear.grid（row=1， column=0， pady=2)

#self.canvas.bind（“<运动>”， self.start_pos）

自我。帆布。bind（“<B1-Motion>”， 自身。draw_lines)

def clear_all（个体经营）：

自我。帆布。delete（“全部”)

def classify_handwriting（个体经营）：

HWND = 自身。帆布。winfo_id（） # 获取画布的手柄

矩形 = Win32GUI。GetWindowRect（HWND） # 获取画布的坐标

im = 图像抓取。抓取（矩形）)

数字，acc = predict_digit（im)

自我。标签。configure（text= str（digit）+'， '+ str（int（acc*100))+'%')

def draw_lines（self， event）：

自我。x = 事件。倍

自我。y = 事件。y

r=8

自我。帆布。create_oval（自。X-R， 自身。Y-R， 自我。x + r， 自我。y + r， fill='黑色')

app = 应用()

主环路()

截图：

三、总结

在本文中，成功地在手写数字识别应用程序上构建了一个 Python 深度学习项目。已经构建并训练了卷积神经网络，该网络对于图像分类目的非常有效。稍后，我们构建 GUI，在画布上绘制一个数字，然后对数字进行分类并显示结果。