街道字符识别（三）Tensorflow2.0

考虑到长度为5和6的门牌号很少，最后只做一个预测门牌号长度<=4的模型

---

统计不同门牌号长度的数量

json是被处理过的DataFrame，可以看看上一篇blog

5和6长度的门牌号总共就9个，样本分布不均衡，考虑到这是个练习项目，干脆把他们删掉了。

搭建网络

先定义一些训练用的参数

width = 224
height = 112
channel = 1
batch = 64

因为我把图片都grayscale了，所以channel = 1
如果没有这个步骤的话，channel = 3

input_img = keras.layers.Input(shape=(width, height, channel), name='img')

# ----------------------
x = keras.layers.Conv2D(filters=64,kernel_size=3,padding='same',activation='relu')(input_img)

x = keras.layers.BatchNormalization()(x)

x = k