TensorFlow学习笔记（三）书写体数字数据集的生成

上篇

TensorFlow学习笔记（二）手写体数字的识别——环境安装

关于代码运行平台

博主示范使用的平台是 PyCharm Community 2019.3 x64 ，仅仅出于个人习惯。
读者也可以在 JupterNotebook 等其他平台上使用。

所用库的引入

import random
import os
from PIL import Image, ImageDraw, ImageFont
import numpy as np

random 和 os 是 python 内置的库，不需要引入。
PIL 是一个生成和处理图片的库。
numpy 将图片转化为张量，方便神经网络进行数据分析。

1. 依次打开 ：File --> Settings --> Project: practice -->Project Interpreter
2. 按下 右侧的小齿轮，点击 Add…

3. 在 Location 右侧点击📂选择环境安装位置
4. 在Base interpreter 右侧点击浏览（···）选择 Anaconda 安装路径\envs\tensorflow\python3.exe 如图二所示，图一不正确。
可以勾选下面的两个小方框方便以后寻找环境。

5. 点击 OK 完成配置，等待一会，可以看到 PyCharm 列出了所有已经安装的库。
如果没有，点击右侧小眼睛图标显示即可

6. 点击右侧➕，以添加库。

7. 等待一会，出现如下界面，在搜索栏输入你想要的库的名称。

8.选中你需要的库，按 Install Package 下载，等待下载完成。

9. 如果没能下载成功，尝试打开 Terminal，即命令提示符窗口进行手动下载。
注：必须打开正确的环境，即 (tensorflow) C:\Users\用户名\pythonwork>

输入如下代码：
注：如果使用 Anaconda 环境，可以不安装 numpy ，因为我们之前安装 tensorflow 环境时已经默认安装好了相应的 numpy 包，如果没有，就输
入代码手动安装。

pip install PIL
pip install numpy # 选做

10. 使用JupyterNotebook 的朋友们按照第9步的做法在 tensorflow 环境中安装好了需要的库后就可以愉快的在 JupyterNotebook 里运行代码啦！

生成用来存放数字的文件夹

random.seed(3)
path_data ="data_and_distribution" #文件夹路径

# 在目录下生成用来存放数字的文件夹
def mkdir_for_imgs():
    if not os.path.exists(path_data):
        print(path_data)
        os.makedirs(path_data)

删除路径下的图片

在生成新的数据前必须要先删除之前的数据。

# 删除路径下的图片
def del_imgs():
    dir_nums = os.listdir(path_data)
    for file in dir_nums:
        print("delete: ", path_data + "/" + file)
        os.remove(path_data + "/" + file)
    print("Delete finish", "\n")

生成单张扭曲的数字图像

每行代码的解释都写在了代码注释里。

# 生成单张扭曲的数字图像
def generate_single():
    # 先绘制一个50*50的空图像
    im_50_blank = Image.new('RGB', (50, 50), (255, 255, 255))

    # 创建画笔
    draw = ImageDraw.Draw(im_50_blank)

    # 生成随机数1-9
    num = random.randint(0, 9)

    # 设置字体，这里选取字体大小25
    font = ImageFont.truetype('simsun.ttc', 20)

    # xy是左上角开始的位置坐标
    draw.text(xy=