Tensorflow之使用LeNet-5模型识别Minist手写体数字

安装Tensorflow教程

请移步到这篇博客 ☛ https://blog.csdn.net/weixin_38283428/article/details/84201733
下载的tensorflow版本要和自己的python版本一致。

一、Minist手写体数据集的特点

1.训练数据和测试数据各有多少

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)
print('训练数据数量',mnist.train.num_examples)
print('验证数据数量',mnist.validation.num_examples)
print('测试数据数量',mnist.test.num_examples)

2.train集合数据及标签的形状

print('train集合数据矩阵形状：',mnist.train.images.shape)
print('train集合数据标签矩阵形状：',mnist.train.labels.shape)
print('train集合第一个数据标签长度、内容：',len(mnist.train.labels[0]),mnist.train.labels[0])

从上面的运行结果可以看出，在train集合数据中总共有55000个样本，每个样本有784个特征。原图片形状为28*28=784，每个图片样本展平后则有784维特征。在train集合数据标签中总共有55000个样本，每个样本有10维特征，根据所显示的内容能够推断出这幅图片为数字为7，因为它在第8个位置响应度为1，其他位置为0.

3.查看一部分图片内容

import os 
import numpy as np
import matplotlib.pyplot as plt
import math
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)

def drawdigit(position,image,title):
    plt.subplot(*position)
    plt.imshow(image,cmap='gray_r')
    plt.axis('off')
    plt.title(title)

def batchDraw(batch_size):
    images,labels = mnist.train.next_batch(batch_size)
    row_num = math.ceil(batch_size ** 0.5)
    column_num = row_num
    plt.figure(figsize=(row_num,column_num))
    for i in range(row_num):
        for j in range(column_num):
            index = i * column_num + j
            if index < batch_size:
                position = (row_num,column_num,index+1)
                image = images[index].reshape(-1,28)
                title = 'actual:%d'%(np.argmax(labels[index]))
                drawdigit(position,image,title)
if __name__ == '__main__':
    batchDraw(196)
    plt.show()

观察train集合中的数据发现
0类:有普通正常的0，未闭合成圈的0，容易被误认为6和8的0，圈极扁的0，朝着左右方向倾斜的0
1类:打印体的1(容易被误认为7)，朝着左右方向倾斜的1，弯曲的1，粗细不同的1
2类:第一笔弯曲弧度不够的2，最后结束那一笔写得过长的2(容易被误认为是3)或者过于短的2，粗细不同的2
3类:朝着左右方向倾斜的3，最后一笔向上勾的弧度不够的3，写得像烟圈的3，整体弯曲弧度不够的3，粗细不同的3
4类:写得像Y、A、H的4，像飘扬的旗帜的4，写得太过紧凑的4，粗细不同4
5类:写得像S的5，因为最后一笔而容易被认为是6的5，粗细不同的5
6类:下半部分的圆圈被涂满不是空心的6，横躺的6，下半部分未闭合成圆圈的6，最后一笔写出头容易被认成4的6
7类:打印体形状的7，多加一条横杠的7，横与竖形成的角度过小的7，粗细不同的7
8类:最上面是开口的8，朝着左右方向倾斜的8，最下面是开口的8，上下两个圈被涂满的8，手写习惯为先画上面一个圈再画下面一个圈的8
9类:打印体形状的9，圆圈过大容易被误认为0的9，粗细不同的9，上方未闭合成圆圈的9，像g