识别手写数字代码-MNIST

一、实现源码

from tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 1. 下载并训练数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
print ( ' 输入数据：', mnist.train.images)
print ( ' 输入数据打shape :', mnist.train.images.shape)
# 2. 开始识别数据集
import pylab
im = mnist.train.images[1]
im = im.reshape(-1 ,28) 
pylab.imshow(im)
pylab.show()
# 3. 保存数据在csv文件中
import pandas as pd
print("im = ",im) # 打印显示一下文档内容
data1 = pd.DataFrame(im)
data1.to_csv("G:\\data1.csv")

二、实现效果

1. Spyder实现结果

2. 测试的Excle数据

三、新知识点

1. tensorflow文件路径

2. reshape()函数

1. reshape（）是数组对象中的方法，用于改变数组的形状；
2. Python Numpy中reshape函数参数-1的含义：
   一个参数为-1时，那么reshape函数会根据另一个参数的维度计算出数组的另外一个shape属性值；
3. shape(x,y)：x行y列的数组；
   reshape(x,-1)：改变成x行n列的数组；
   reshape(-1,y)：改变成n行y列的数组；
4. 代码举例：

>>> z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])
>>> print(z)
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
>>> print(z.shape)
(4, 4)
>>> print(z.reshape(-1))
[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16]
>>> print(z.reshape(-1,1))  #我们不知道z的shape属性是多少，
                            #但是想让z变成只有一列，行数不知道多少，
                            #通过`z.reshape(-1,1)`，Numpy自动计算出有16行，
                            #新的数组shape属性为(16, 1)，与原来的(4, 4)配套。
[[ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]
 [11]
 [12]
 [13]
 [14]
 [15]
 [16]]
>>> print(z.reshape(2,-1))
[[ 1  2  3  4  5  6  7  8]
 [ 9 10 11 12 13 14 15 16]]

1. Python numpy函数：reshape（）
2. Python Numpy中reshape函数参数-1的含义

3. Numpy 数组运算数学库

2. 参考资料

a. Numpy读取csv文件
b. numpy读写文件
c. NumPy 教程

四、参考资料

1. 参考资料

https://blog.csdn.net/qq_43060552/article/details/103189040

五、新的思路

1. 通过简短接触，发现初始数据集mnist用的是numpy存储的，因此想到将股票数据存在numpy构建的数组中，开始训练；
2. 通过reshape(x,y)，将数据转成N*N的一个矩阵；
3. 目前已经下载了mnist，能够通过已经有的数据库，学习出新的东西，如果要建立自己的数据库，该怎么才做呢？
4. 如何实现不同的上升数据库长的数据，对应一个类别？
5. 进行tfrecord格式转换，针对xlsx，csv格式有便捷的方法。
6. 如何生成tfrecord数据集呢？

六、工作思路

1.将自己的数据集转换为 tensorflow 支持的神经网络输入格式 tfrecord
2. 重建 LeNet-5 卷积神经网络
3. 对神经网络进行训练

七、建数据库

1.

2.

八、保存模型、重新加载

import time
t = time.time()

export_path = "/tmp/saved_models/{}".format(int(t))
model.save(export_path, save_format='tf')

export_path

九、出现问题

1. 数据格式不匹配问题：原因：Numpy针对的是对数组进行处理