10分钟搞定图形图像识别

人工智能简历史

机器学习与深度学习

是一门多领域交叉学科，涉及概率论、统计学、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为。以获得新的知识或者技能

1. 人工智能：流水线机器其实就是人工智能。
2. 机器学习：垃圾邮箱机器学习，需要自动过滤算法、今日头条数据推荐
3. 深度学习：2010 至今，机器学习包含深度学习 (可以理解为高级的机器学习)，例如 图形图像识别、自然语言处理

TensorFlow框架介绍

2016年3月份，Google的围棋人工智能程序AlphaGo以4比1的大比分，战胜人类选手李世石，在全球成功引起广泛关注，引起了一波人工智能的热潮。从智能手机的语音助手，到相机的人脸识别，人工智能技术已经进入到我们生活的方方面面，在未来将深刻的影响我们的生活。

为了加速深度学习领域的发展，2015年11月9日，Google发布深度学习框架TensorFlow并宣布开源。在短短的一年时间内，在GitHub上，TensorFlow就成为了最流行的深度学习项目。

TensorFlow在图形分类、音频处理、推荐系统和自然语言处理等场景下都有丰富的应用。虽然Tenforflow开源时间刚满一年，但是它正在以迅猛的速度渗入到我们的寻常生活中。

Mnist手写数字获取

MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9, Yann LeCun’s MNIST page提供了训练集与测试集数据的下载

文件	内容
train-images-idx3-ubyte.gz	训练集图片 - 55000 张 训练图片, 5000 张 验证图片
train-labels-idx1-ubyte.gz	训练集图片对应的数字标签
t10k-images-idx3-ubyte.gz	测试集图片 - 10000 张 图片
t10k-labels-idx1-ubyte.gz	测试集图片对应的数字标签

MNIST深度学习入门

神经网络语法

1. 输入向量的维度和输入神经元的个数相同
2. 每个连接都有权重
3. 同一层神经元之间没有连接
4. 神经元由：输入、隐藏、输出层组成

MNIST结构介绍

正如前面提到的一样，每一个MNIST数据单元有两部分组成：一张包含手写数字的图片和一个对应的标签。我们把这些图片设为“xs”，把这些标签设为“ys”。训练数据集和测试数据集都包含xs和ys，比如训练数据集的图片是 mnist.train.images ，训练数据集的标签是 mnist.train.labels。

我们把这个数组展开成一个向量，长度是 28x28 = 784。如何展开这个数组（数字间的顺序）不重要，只要保持各个图片采用相同的方式展开。从这个角度来看，MNIST数据集的图片就是在784维向量空间里面的点, 并且拥有比较复杂的结构 (提醒: 此类数据的可视化是计算密集型的)。
展平图片的数字数组会丢失图片的二维结构信息。这显然是不理想的，最优秀的计算机视觉方法会挖掘并利用这些结构信息，我们会在后续教程中介绍。但是在这个教程中我们忽略这些结构，所介绍的简单数学模型，softmax回归(softmax regression)，不会利用这些结构信息。

因此，在MNIST训练数据集中，mnist.train.images 是一个形状为 [60000, 784] 的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。在此张量里的每一个元素，都表示某张图片里的某个像素的强度值，值介于0和1之间。

加载训练集图片

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

# 这些图片并不是传统意义上的png或者jpg格式的图片，因为png或者jpg的图片格式，片会被处理成很简易的二维数组
mnist = input_data.read_data_sets("./input_data/",one_hot=True)
# 获取训练集     images.shape (55000, 784)   28*28=784，每行都是一张图片特征值
print(mnist.train.images)
# 打印第一张图,784个特征值的矩阵
print(mnist.train.images[0])
# 获取目标值矩阵  labels.shape (55000, 10)  10个权重
print(mnist.train.labels)
# 获取指定的n张图的特征值与目标值
print(mnist.train.next_batch(10))

MNIST识别案例

TensorFlow图像识别

import tensorflow as tf
from tensorflow.examples.tutorials.mnist.input_data import read_data_sets

mnist = read_data_sets("../data/input_data", one_hot=True)

X = tf.placeholder(tf.float32, [None, 784],name="X")
y = tf.placeholder(tf.float32, [None, 10],name="y_true")

# 建立模型,初始化权重与偏置
weight =tf.Variable(tf.random.normal(shape=[784,10]),name="w")
# 如果设置为常量,则在训练模型时候bias不会改变
# bias = tf.constant(value=0.0,shape=[10],name="bias")
# 输出有10个连接点,因此需要设置10个偏置
bias = tf.Variable(tf.random.normal(shape=[10]),name="bias")
# 预测值None个样本输出的结果 [None,784] ==> [784,10] ==> [None,10] + [10]
y_predict = tf.matmul(X,weight) + bias
# 打印结果发现此公式可以取代上面的softmax + 交叉熵的计算
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=y_predict))
# 设置梯度下降的步长,一般0,1之间,步长越小则需要更多额训练次数,但是错过最小值机率也小
gdo = tf.train.GradientDescentOptimizer(0.5)  # 0.05  0.1   0.5
train_op = gdo.minimize(loss)
print('求解模型的正确率')
arg1 = tf.argmax(y_predict,axis=1)
arg2 = tf.argmax(y,axis=1)
accuracy = tf.reduce_mean(tf.cast(tf.equal(arg1,arg2),tf.float16))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(2000):
        mnist_x,mnist_y = mnist.train.next_batch(55)
        d = {X:mnist_x,y:mnist_y}
        # 每个样本返回1个预测值
        sess.run(train_op,feed_dict=d)
        print(f'训练第{i}次的正确率为{sess.run(accuracy,feed_dict=d)}')
    else:
        import matplotlib.pyplot as plt

        plt.rcParams['font.sans-serif'] = ['SimHei']
        guess = sess.run(y_predict, feed_dict=d)
        # 把特征值,目标值,预测值封装到了一个list中
        images_and_labels_and_guess = list(zip(mnist_x, mnist_y, guess))
        # figsize:指定总图片的宽和高，单位为英寸, dpi缺省为80
        plt.figure(figsize=(20, 18), dpi=200)
        # enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，
        # index作为第一个参数,后面的值作为第二个参数,如果参数中有多个元组,会自动封装成一个元组
        for index, (image, label, preidct) in enumerate(images_and_labels_and_guess):
            # 每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域
            plt.subplot(5, 11, index + 1)
            # MNIST图片是一个784维的向量，我们重新把它还原为28x28维的图像
            image = image.reshape(28, 28)
            #  plt.cm.gray_r  代表逆转的意思
            plt.imshow(image, cmap=plt.cm.gray_r)
            if index == 1:
                print(label, preidct)
            val_t, val_p = tf.argmax(label).eval(), tf.argmax(preidct).eval()
            if val_t != val_p:
                color = "#ff0000"
            else:
                color = "#000000"
            plt.title(f'真:{val_t},预:{val_p}', fontsize=20, color=color)
        plt.savefig("mnist.png")
        plt.show()

图像识别效果演示