TensorFlow与Flask结合打造手写体数字识别

此篇博客记录一下使用Tensorflow进行手写体数字识别的经历。

• 在慕课网进行课程学习：传送门
• 使用minist进行input数据，
• 建立线性（regression）和卷积（convolutional）模型训练参数
• 在main文件夹中使用restore方法取用模型，加载模型。

TensorFlow是什么
TensorFlow是谷歌基于distbelief进行研发的第二代人工智能系统
常用于语音识别或图像识别等机器学习领域
将复杂的数据结构传输至人工智能神经网络进行分析和处理
支持CNN、RNN和LSTM算法

MNIST数据集是什么
由Google和纽约大学克朗研究所共建的手写数字数据库
共有70000张训练图像（60000张训练图像和10000张测试图像）
所有图像均是0~9的手写数字

整合步骤

训练并生成模型→暴露接口→前端调用→验证并返回结果

遇到的问题

1. numpy版本问题

解决方法：
这种问题是因为TensorFlow和numpy的版本不匹配，我们需要对numpy降版本，现在我的numpy是1.17.0。
所以在cmd中执行以下命令：

pip uninstall numpy   #卸载现在的版本
pip install numpy==1.16.0  #指定版本装numpy

如果装了1.16.0仍然报错，那么就继续降版本。安装后就OK。

2. h5py新版本对numpy的兼容问题

FutureWarning: Conversion of the second argument of issubdtype from
float to np.floating is deprecated. In future, it will be treated
as np.float64 == np.dtype(float).type. from ._conv import
register_converters as _register_converters

解决方法：
对h5py进行更新升级，使用如下方法完美解决！

 pip install h5py==2.8.0rc1

3. 语句缩进问题

语句缩进数的空格数不一致，会导致运行错误：

IndentationError: unindent does not match any outer indentation level

解决方法：将报错位置的代码段严格按照逻辑结构进行缩进

4.参数设置错误

错误 TypeError: Value passed to parameter ‘input’ has DataType int32 not
in list of allowed values: float16, bfloat16, float32, float64

解决方法：
model.py conv2d那个文件改一下下面这行把：

return tf.nn.conv2d([1, 1, 1, 1], padding='SAME')

改成：

return tf.nn.conv2d(x, W, [1, 1, 1, 1], padding='SAME')

没有传入参数当然出错喽！

训练了20000轮之后，卷积模型的准确率达到了99.21%。模型自动保存在如下路径：

C:\Users\dell\PycharmProjects\mnist_testdemo\mnist\data

5. TensorFlow版本问题

问题链接：https://github.com/keras-team/keras/issues/13004


将tensorflow版本由1.14.0降为1.5.0后，问题解决。

成功生成前端页面。识别效果如下：

总体来说卷积模型识别精确度高于线性模型，个别数字的识别率两种模型准确率都较低，模型还有待改进。

后记

在将本地项目push到GitHub远程仓库时出现报错：

hint: Updates were rejected because the tip of your current branch is
behind hint: its remote counte

报错原因是：新建远程仓库时，选择新建了README.md文件，但是本地代码初次提交时无该文件，提交时，git认为两者是完全不相干的分支。
解决方案一：

git push -f -u origin master 

强推至远程服务器。（强制删除远程仓库中冲突代码，即删除创建的README.md文件，不推荐。）

解决方案二：

git pull origin master --allow-unrelated-histories

此种方式表示可将两个完全不相干的分支合并，出现上述问题时，可通过此种方式解决。

本项目部分参考代码：

https://github.com/hanzhenyu2018/mnist_testdemo