Fayson的github: https://github.com/fayson/cdhproject
推荐关注微信公众号:“Hadoop实操”,ID:gh_c4c535955d0f,或者扫描文末二维码。
演示tensorflow图像识别案例。
参考文档:https://blog.csdn.net/shadown1ght/article/details/78571187
安装python3.5环境
如果环境中已有Python3可跳过;
- 下载Python3安装包
wget https://www.python.org/ftp/python/3.5.0/Python-3.5.0.tar.xz
- 解压,编译及安装
tar xvf Python-3.5.0.tar.xz
./configure
make && make install
- 验证安装
安装tensorflow模块
- 升级pip模块
下载pip-18.1安装包
wget https://files.pythonhosted.org/packages/c2/d7/90f34cb0d83a6c5631cf71dfe64cc1054598c843a92b400e55675cc2ac37/pip-18.1-py2.py3-none-any.whl
安装
pip3 install pip-18.1-py2.py3-none-any.whl
- 安装tensorflow
pip3 install tensorflow
- 验证安装
导入数据
- 创建工作目录
mkdir -p /data/tf_demo
- 将数据集上传到该目录下
- 编写代码
省份简称训练+识别代码(保存文件名为train-license-province.py):
城市代号训练+识别代码(保存文件名为train-license-letters.py):
车牌编号训练+识别代码(保存文件名为train-license-digits.py):
- 训练
保存好上面三个python脚本后,我们首先进行省份简称训练。
python3 train-license-province.py train
然后进行省份简称识别,在命令行输入执行如下命令:
python3 train-license-province.py predict
执行城市代号训练(相当于训练26个字母):
python3 train-license-letters.py train
识别城市代号:
python3 train-license-letters.py predict
执行车牌编号训练(相当于训练24个字母+10个数字,我国交通法规规定车牌编号中不包含字母I和O):
python3 train-license-digits.py train
识别车牌编号:
python3 train-license-digits.py predict
与下方的测试图片对比,识别成功:
为天地立心,为生民立命,为往圣继绝学,为万世开太平。
推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。
原创文章,欢迎转载,转载请注明:转载自微信公众号Hadoop实操