paddlepaddle手写字体识别

最新推荐文章于 2024-08-03 00:30:06 发布
最新推荐文章于 2024-08-03 00:30:06 发布
阅读量2.1k 收藏 9
点赞数 1
分类专栏： 深度学习 python 文章标签： 深度学习 paddlepaddle
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/turing365/article/details/100540393
版权
本文详细介绍了如何使用PaddlePaddle构建一个多层感知器模型，用于识别手写数字。从数据准备、模型配置、训练、评估到模型预测，每个步骤都有清晰的解释。模型包括两个大小为100的隐藏层和一个大小为10的输出层，以处理MNIST数据集。训练过程中采用了交叉熵损失函数和SGD优化器，最终实现了模型的预测功能。
摘要由CSDN通过智能技术生成

本文利用多层感知器训练（DNN）模型，用于预测手写数字图片,示例如下：

实践总体过程和步骤

首先导入必要的包

#导入需要的包
import numpy as np
import paddle as paddle
import paddle.fluid as fluid
from PIL import Image
import matplotlib.pyplot as plt
import os

Step1：准备数据。

(1)数据集介绍

MNIST数据集包含60000个训练集和10000测试数据集。分为图片和标签，图片是28*28的像素矩阵，标签为0~9共10个数字。

(2)train_reader和test_reader

paddle.dataset.mnist.train()和test()分别用于获取mnist训练集和测试集

paddle.reader.shuffle()表示每次缓存BUF_SIZE个数据项，并进行打乱

paddle.batch()表示每BATCH_SIZE组成一个batch

（3）可以打印数据查看数据。PaddlePaddle接口提供的数据已经经过了归一化、居中等处理。

BUF_SIZE=512
BATCH_SIZE=128
#用于训练的数据提供器，每次从缓存中随机读取批次大小的数据
train_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.mnist.train(),
                          buf_size=BUF_SIZE),
    batch_size=BATCH_SIZE)
#用于训练的数据提供器，每次从缓存中随机读取批次大小的数据
test_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.mnist.test(),
                          buf_size=BUF_SIZE),
    batch_size=BATCH_SIZE)
    
#用于打印，查看mnist数据
train_data=paddle.dataset.mnist.train();
sampledata=next(train_data())
print(sampledata)

(array([-1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -0.9764706 , -0.85882354, -0.85882354,
       -0.85882354, -0.01176471,  0.06666672,  0.37254906, -0.79607844,
        0.30196083,  1.        ,  0.9372549 , -0.00392157, -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -0.7647059 , -0.7176471 , -0.26274508,  0.20784318,
        0.33333337,  0.9843137 ,  0.9843137 ,  0.9843137 ,  0.9843137 ,
        0.9843137 ,  0.7647059 ,  0.34901965,  0.9843137 ,  0.8980392 ,
        0.5294118 , -0.4980392 , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -0.6156863 ,  0.8666667 ,
        0.9843137 ,  0.9843137 ,  0.9843137 ,  0.9843137 ,  0.9843137 ,
        0.9843137 ,  0.9843137 ,  0.9843137 ,  0.96862745, -0.27058822,
       -0.35686272, -0.35686272, -0.56078434, -0.69411767, -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -0.85882354,  0.7176471 ,  0.9843137 ,  0.9843137 ,
        0.9843137 ,  0.9843137 ,  0.9843137 ,  0.5529412 ,  0.427451  ,
        0.9372549 ,  0.8901961 , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -0.372549  ,  0.22352946, -0.1607843 ,  0.9843137 ,  0.9843137 ,
        0.60784316, -0.9137255 , -1.        , -0.6627451 ,  0.20784318,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -0.8901961 ,
       -0.99215686,  0.20784318,  0.9843137 , -0.29411763, -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        ,  0.09019613,
        0.9843137 ,  0.4901961 , -0.9843137 , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -0.9137255 ,  0.4901961 ,  0.9843137 ,
       -0.45098037, -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.        , -1.        , -1.        ,
       -1.        , -1.        , -1.
最低0.47元/天 解锁文章
turing365
关注
专栏目录
paddlepaddle下调试手写数字识别程序
不爱学习的菜鸡
01-08 1081
环境 系统：CentOS 7 64位 处理器：Intel(R) Core(TM) i7-6700 CPU 内存：16G CentOS下安装 在CentOS系统下安装PaddlePaddle，确保计算机处理器支持AVX指令集，否证需要选择no_avx的版本。可以用下面命令检查处理器是否支持AVX指令。 cat /proc/cpuinfo | grep avx 确定要安装的版本 Pa...
Paddle打比赛】基于PaddleOCR的AIWIN手写体识别
m0_63642362的博客
01-13 1469
使用PaddleOCR的 CRNN+CTC对大写金额数字、日期数字进行识别。
手写文字识别：PaddleOCR基于PPOCRv4的垂类场景模型微调
简简单单的学习笔记，致力于帮助更多前进路上的朋友~
03-04 6687
PaddleOCR提供的PP-OCR系列模型在通用场景中性能优异，能够解决绝大多数情况下的检测与识别问题。在垂类场景中，如果希望获取更优的模型效果，可以通过模型微调的方法，进一步提升PP-OCR系列检测与识别模型的精度。
【ocr识别002】easyocr和paddleocr使用与对比总结（更新中）
kngines
08-03 107
了解、学习OCR相关技术知识领域，结合日常的场景进行测试、总结。
paddle练习（六）手写字图像识别
Vertira的博客
12-27 780
import numpy as np import paddle as paddle import paddle.dataset.mnist as mnist import paddle.fluid as fluid from PIL import Image import matplotlib.pyplot as plt paddle.enable_static() # 定义多层感知器 def multilayer_perceptron(input): # 第一个全连接层，激活函数为ReLU .
paddlepaddle的手写体识别
Mrjdk的博客
10-19 285
import paddle import matplotlib.pyplot as plt import numpy as np from PIL import Image import paddle.nn.functional as F class MNIST(paddle.nn.Layer): def __init__(self): super(MNIST, self).__init__() self.fc = paddle.nn.Linear(in_fea
如何加载已经训练好了的paddlepaddle手写字模型
最新发布
09-12
在PaddlePaddle（飞桨）中加载预训练的手写字体识别模型通常需要以下几个步骤： 1. **安装依赖**： 首先，你需要确保已经安装了PaddlePaddle及其相关的库。如果还没有安装，可以使用pip安装： ```bash pip ...
如何用python将自己的体现识别训练集放入以paddlepaddle为框架的手写字识别的模型当中
09-12
在PaddlePaddle（简称PPD）框架中进行手写字体识别通常涉及几个关键步骤： 1. **数据预处理**： 首先，你需要将手写的图像转换成适合模型输入的形式。这包括灰度化、归一化以及适当地大小调整。如果原始图片是CSV...
paddleocr识别手写文字 python
05-28
在此示例中，我们使用PaddleHub加载PaddleOCR模型，读取手写字体图片，然后调用`recognize_text`函数进行手写文字识别，最后输出识别结果。注意，需要先安装PaddlePaddle和PaddleHub库，可以使用以下命令安装： ```...
【深度学习入门】Paddle实现手写数字识别详解（基于DenseNet）
12-21
【深度学习入门】Paddle实现手写数字识别（基于DenseNet）0. 闲言碎语：1. MNIST 数据集：2. DenseNet 详解：2.1 ResNet（颠覆性的残差结构）：2.2 DenseNet（跨层链接的极致）：3. 代码： 0. 闲言碎语： OK，因为课程需要就来做了一个手写数字（当初就是这个小项目入的坑hahhh），因为必须在百度的 AI Studio 上进行，所以只能用 Paddle，看了一下 Paddle 的文档，结论是：这不就是 tensorflow + torch 的结合体吗hahhh？所以还是比较容易写这个数字识别的 demo的； 这里就分享一个 Baseline
OCR手写文字识别源码(2款)
01-19
OCR手写文字识别源码(2款),详细的cor手写
【Paddle打比赛】手写字体OCR识别竞赛baseline
m0_63642362的博客
11-28 634
2021世界人工智能创新大赛，手写字体OCR识别竞赛baseline，比赛链接：http://ailab.aiwin.org.cn/competitions/65#learn_the_details
百度PaddlePaddle使用飞桨搭载手写字识别并训练、预测
fjndfazp的博客
08-26 3564
文章目录通过极简方案构建手写数字识别模型一、导入库二、数据处理三、网络模型设计四、训练配置以及模型训练**==这里特殊之处在于读取数据的方式采取飞桨自带数据读取器==**五、模型测试==特别注意==图像归一化，保持和训练数据集的数据范围一致[-1 1]六、扩展：飞桨API的使用方法6.1. 飞桨API文档获取方式6.2. 通过搜索和分类浏览两种方式查阅API文档6.3. API文档使用方法 通过极简方案构建手写数字识别模型 如 图1 所示，基于百度paddlepaddle使用这种极简实现方案快速完成手写数字
[PaddleOCR]基于PaddleX字体分类的OCR输出优化
m0_63642362的博客
04-22 912
转自AI Studio，原文链接：​​​​​​[PaddleOCR]基于PaddleX字体分类的OCR输出优化 - 飞桨AI Studio 字体分类 本项目是PaddleOCR的其中一个环节。 目的是达到对PaddleOCR数据中图片的文字字体类别的识别。 0 汉字图片数据获取(可选) 需要增加字体类别时候再看此大步骤 本项目中以及放置了生成好的图片文件，不需要再执行此步骤,但下面的解压还是需要的，会用到里面的字体库 In [] !unzip /home/aistud.
YOLOv5+PaddleOCR手写签名识别
weixin_53665577的博客
03-18 3220
使用YOLOv5+paddocr实现手写签名的识别
PaddleOCR手写体训练摸索
xie_wk的博客
04-25 6370
手写OCR识别一：官方支持的数据格式？1.官方文档1.1 PaddleOCR 支持两种数据格式:1.2 训练数据的默认存储路径1.3 自定义数据集的准备1.3.1 通用数据集1.3.2 lmdb数据集lmdb基本函数：创建一个 lmdb 环境：修改数据库内容：查询数据库内容：完整的demo如下：将图片和对应的文本标签存放到lmdb数据库：从lmdb数据库中读取图片数据：文字标签数字化：2.FAQ中的相关问题2.1 Q:对于图片中的密集文字，有什么好的处理方法？2.2 Q:文本行较紧密的情况下如何准确检测？2
OCR/STR生僻字数据训练 | PaddleOCR的Fine-tune常见问题汇总（3）
Andrwin的博客
09-18 7184
1、印章如何识别？ 使用带tps的识别网络或abcnet,2.使用极坐标变换将图片拉平之后使用crnn 2、多语言的字典里是混合了不同的语种，这个是有什么讲究吗？统一到一个字典里会对精度造成多大的损失？ 统一到一个字典里，会造成最后一层FC过大，增加模型大小。如果有特殊需求的话，可以把需要的几种语言合并字典训练模型，合并字典之后如果引入过多的形近字，可能会造成精度损失，字符平衡的问题可能也需要考虑一下。在PaddleOCR里暂时将语言字典分开。 3、如何对检测模型finetune，比如冻结.
paddleocr文本识别模型的训练
热门推荐
didiaopao的博客
10-20 1万+
1、准备数据 训练自己的模型首先要有数据集，在我写的《paddleocr文本检测模型的训练》这篇文章的时候我已经提供了一份数据集，里面包含了文本检测和识别的数据集，由于那篇文章是文本检测的训练，所以只用到了文本检测的数据集，这里我用的是文本识别的数据集，有需要数据的可以去那篇文章里面找数据。文章链接。让我们来直观的感受一下数据集，数据集照片的图片如下所示： 数据的标签如下图所示，就是每行的前面是图片的路径，后面为该图片的标签内容。 这里要注意的是：txt文件中默...
paddlepaddle手写数字识别
03-16
PaddlePaddle手写数字识别是一种基于深度学习的技术，可以对手写数字进行识别。它使用了卷积神经网络（CNN）模型，通过对大量手写数字数据进行训练，可以实现高准确率的识别。PaddlePaddle是一个开源的深度学习框架...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值