手写数字识别

       前面的博客介绍过神经网络结构以及相关的损失函数，在这里我们通过一个简单的神经网络实现一个机器学习问题：识别手写数字图像。

       和求解机器学习问题的步骤（分成学习和推理两个阶段进行）一样，使用神经网络解决问题时，也需要首先使用训练数据（学习数据）进行权重参数的学习；进行推理时，使用刚才学习到的参数，对输入数据进行分类。

1、MNIST数据集

   在这里使用常用的且著名的MNIST手写数字图像数据集，下面是关于MNIST数据集的简述： 

  'http://yann.lecun.com/exdb/mnist/'   # MNIST数据网址

    'train_img':'train-images-idx3-ubyte.gz',     #训练图像
    'train_label':'train-labels-idx1-ubyte.gz',   #训练图像的标签
    'test_img':'t10k-images-idx3-ubyte.gz',       #测试图像  
    'test_label':'t10k-labels-idx1-ubyte.gz'      #测试图像的标签  

       MNIST数据集是由0到9的数字图像构成的（图1）。训练图像有6万张，测试图像有1万张，这些图像可以用于学习和推理。MNIST数据集的一般使用方法是，先用训练图像进行学习，再用学习到的模型度量能在多大程度上对测试图像进行正确的分类。

 

图1：MNIST图像数据集的例子 

        MNIST的图像数据是28像素 × 28像素的灰度图像（1通道），各个像素的取值在0到255之间。每个图像数据都相应地标有“7”“2”“1”等标签。下面利用Python脚本显示MNIST数据：

# coding: utf-8

import numpy as np
from PIL import Image  # 图像显示模块 PIL (Python Image Library)


def img_show(img):
    pil_img = Image.fromarray(np.uint8(img))
    pil_img.show()

(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)

img = x_train[5]
label = t_train[5]
print(label)  # 2

print(img.shape)  # (784,)
img = img.reshape(28, 28)  # 把图像的形状变为原来的尺寸
print(img.shape)  # (28, 28)

img_show(img)

------------------------------------------------------------------------------------
def load_mnist(normalize=True, flatten=True, one_hot_label=False):
    """读入MNIST数据集
    
    Parameters
    ----------
    normalize : 将图像的像素值正规化为0.0~1.0
    one_hot_label : 
        one_hot_label为True的情况下，标签作为one-hot数组返回
        one-hot数组是指[0,0,1,0,0,0,0,0,0,0]这样的数组
    flatten : 是否将图像展开为一维数组
    
    Returns
    -------
    (训练图像, 训练标签), (测试图像, 测试标签)
    """
    if not os.path.exists(save_file):
        init_mnist()
        
    with open(save_file, 'rb') as f:
        dataset = pickle.load(f)
    
    if normalize:
        for key in ('train_img', 'test_img'):
            dataset[key] = dataset[key].astype(np.float32)
            dataset[key] /= 255.0
            
    if one_hot_label:
        dataset['train_label'] = _change_one_hot_label(dataset['train_label'])
        dataset['test_label'] = _change_one_hot_label(dataset['test_label'])
    
    if not flatten:
         for key in ('train_img', 'test_img'):
            dataset[key] = dataset[key].reshape(-1, 1, 28, 28)

    return (dataset['train_img'], dataset['train_label']), (dataset['test_img'], dataset['test_label']) 

# 结果显示：
2
(784,)
(28, 28)

注：load_mnist 函数以“(训练图像,训练标签)，(测试图像，测试标签)”的形式返回读入的MNIST数据。此外，还可以像load_mnist(normalize=True, flatten=True, one_hot_label=False) 这 样，设 置 3 个参数。第1个参数normalize 设置是否将输入图像正规化为0.0～1.0的值。如果将该参数设置为 False ，则输入图像的像素会保持原来的0～255。第2个参数 flatten 设置是否展开输入图像（变成一维数组）。如果将该参数设置为 False ，则输入图像为1 × 28 × 28的三维数组；若设置为 True ，则输入图像会保存为由784个元素构成的一维数组。 

以上，就利用MNIST数据集实现的识别手写数字图像了 ！！！

参考：深度学习入门：基于Python的理论与实现