tensorflow学习之识别单张图片的实现（python手写数字）

假设我们已经安装好了tensorflow。

一般在安装好tensorflow后，都会跑它的demo，而最常见的demo就是手写数字识别的demo,也就是mnist数据集。

然而我们仅仅是跑了它的demo而已，可能很多人会有和我一样的想法，如果拿来一张数字图片，如何应用我们训练的网络模型来识别出来，下面我们就以mnist的demo来实现它。

1.训练模型

首先我们要训练好模型，并且把模型model.ckpt保存到指定文件夹

saver = tf.train.Saver() 

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

将以上两行代码加入到训练的代码中，训练完成后保存模型即可，如果这部分有问题，你可以百度查阅资料，tensorflow怎么保存训练模型，在这里我们就不罗嗦了。

2.测试模型

我们训练好模型后，将它保存在了model_data文件夹中，你会发现文件夹中出现了4个文件

然后，我们就可以对这个模型进行测试了，将待检测图片放在images文件夹下，执行

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

#初始化单个卷积核上的参数
def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

#初始化单个卷积核上的偏置值
def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

#输入特征x，用卷积核W进行卷积运算，strides为卷积核移动步长，
#padding表示是否需要补齐边缘像素使输出图像大小不变
def conv2d(x, W):
	return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

#对x进行最大池化操作，ksize进行池化的范围，
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():
	
	#定义会话
	sess = tf.InteractiveSession()
	
	#声明输入图片数据，类别
	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')

	#进行卷积操作，并添加relu激活函数
	h_conv1 = tf.nn.relu(conv2d(x_img,W_conv1) + b_conv1)
	#进行最大池化
	h_pool1 = max_pool_2x2(h_conv1)

	#同理第二层卷积层
	h_conv2 = tf.nn.relu(conv2d(h_pool1,W_conv2) + b_conv2)
	h_pool2 = max_pool_2x2(h_conv2)
	
	#将卷积的产出展开
	h_pool2_flat = tf.reshape(h_pool2,[-1,7*7*64])
	#神经网络计算，并添加relu激活函数
	h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat,W_fc1) + b_fc1)

	#输出层，使用softmax进行多分类
	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)
	#图片预处理
	#img_gray = cv2.cvtColor(im , cv2.COLOR_BGR2GRAY).astype(np.float32)
	#数据从0~255转为-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)

	#关闭会话
	sess.close()

if __name__ == '__main__':
	main()

ok，贴一下效果图

输出：

最后再贴一个cifar10的，感觉我的输入数据有点问题，因为直接读cifar10的数据测试是没问题的，但是换成自己的图片做预处理后输入结果就有问题，（参考：cv2读入的数据是BGR顺序，PIL读入的数据是RGB顺序，cifar10的数据是RGB顺序），哪位童鞋能指出来记得留言告诉我

# -*- 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


#初始化单个卷积核上的参数
def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

#初始化单个卷积核上的偏置值
def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

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



def main():
	#定义会话
	sess = tf.InteractiveSession()
	
	#声明输入图片数据，类别
	x = tf.placeholder('float',[None,32,32,3])
	y_ = tf.placeholder('float',[None,10])

	#第一层卷积层
	W_conv1 = weight_variable([5, 5, 3, 64])
	b_conv1 = bias_variable([64])
	#进行卷积操作，并添加relu激活函数
	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')


	#第二层卷积层
	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')

	#全连接层
	#权值参数
	W_fc1 = weight_variable([8*8*64,384])
	#偏置值
	b_fc1 = bias_variable([384])
	#将卷积的产出展开
	pool2_flat = tf.reshape(pool2,[-1,8*8*64])
	#神经网络计算，并添加relu激活函数
	fc1 = tf.nn.relu(tf.matmul(pool2_flat,W_fc1) + b_fc1)
	
	#全连接第二层
	#权值参数
	W_fc2 = weight_variable([384,192])
	#偏置值
	b_fc2 = bias_variable([192])
	#神经网络计算，并添加relu激活函数
	fc2 = tf.nn.relu(tf.matmul(fc1,W_fc2) + b_fc2)


	#输出层，使用softmax进行多分类
	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
	#获取cifar10数据
	# 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)
	#关闭会话
	sess.close()

if __name__ == '__main__':
	main()