加载已径训练好的模型(使用.pb格式),实现手写数字识别界面的设计,多一些功能的界面比如可以识别单张图片单个数字和单张图片多个数字的识别,显示出完整的代码

时间: 2023-12-11 22:04:59 浏览: 200
ZIP

基于matlab平台实现的数字识别,增加的GUI界面可以直接手写数字进行识别.zip

首先,我们需要加载已经训练好的模型文件,这里我们选择使用 TensorFlow 的模型加载方式。在加载模型之前,我们需要先定义输入和输出节点的名称,这个可以在训练模型时指定。 ```python import tensorflow as tf # 定义输入和输出节点的名称 input_tensor_name = 'input:0' output_tensor_name = 'output:0' # 加载模型文件 model_path = 'model.pb' with tf.gfile.GFile(model_path, 'rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) # 导入模型 with tf.Graph().as_default() as graph: tf.import_graph_def(graph_def, name='') # 获取输入和输出节点 input_tensor = graph.get_tensor_by_name(input_tensor_name) output_tensor = graph.get_tensor_by_name(output_tensor_name) ``` 接下来,我们设计一个简单的图形界面,使用 tkinter 库实现。在界面中,我们可以选择“手写数字输入”或者“图片输入”两种方式进行识别。对于“手写数字输入”,我们提供了一个小画板,可以让用户手写数字。对于“图片输入”,我们可以从本地文件中选择一张图片进行识别。 ```python import tkinter as tk from tkinter import filedialog from PIL import Image, ImageTk # 创建主窗口 root = tk.Tk() root.title('手写数字识别') # 创建画板 canvas = tk.Canvas(root, width=200, height=200, bg='white') canvas.pack() # 创建工具栏 toolbar = tk.Frame(root) toolbar.pack(side=tk.TOP) # 创建“手写数字输入”按钮 button_draw = tk.Button(toolbar, text='手写数字输入') button_draw.pack(side=tk.LEFT) # 创建“图片输入”按钮 button_image = tk.Button(toolbar, text='图片输入') button_image.pack(side=tk.LEFT) # 创建状态栏 statusbar = tk.Label(root, text='请在画板中手写数字', bd=1, relief=tk.SUNKEN, anchor=tk.W) statusbar.pack(side=tk.BOTTOM, fill=tk.X) # 显示主窗口 root.mainloop() ``` 接下来,我们需要实现“手写数字输入”和“图片输入”两种方式的识别功能。对于“手写数字输入”,我们可以使用鼠标事件来实现用户在画板上手写数字的过程,并将得到的图像数据传入模型进行识别。对于“图片输入”,我们可以使用文件对话框来让用户选择一张图片文件,并将其转换成模型可以处理的格式后进行识别。 ```python import numpy as np # 定义手写数字输入的事件处理函数 def draw(event): x, y = event.x, event.y r = 8 canvas.create_oval(x-r, y-r, x+r, y+r, fill='black') image = Image.new('L', (200, 200), 255) draw = ImageDraw.Draw(image) draw.ellipse((x-r, y-r, x+r, y+r), fill=0) data = np.array(image).reshape(-1, 28, 28, 1) result = session.run(output_tensor, feed_dict={input_tensor: data}) statusbar.config(text='识别结果为:%d' % result[0]) # 定义图片输入的事件处理函数 def choose_image(): # 打开文件对话框选择图片文件 file_path = filedialog.askopenfilename(filetypes=[('Image Files', '*.png;*.jpg;*.jpeg')]) if file_path: # 加载图片并进行预处理 image = Image.open(file_path).convert('L').resize((28, 28), Image.ANTIALIAS) data = np.array(image).reshape(-1, 28, 28, 1) # 进行识别并显示结果 result = session.run(output_tensor, feed_dict={input_tensor: data}) statusbar.config(text='识别结果为:%d' % result[0]) # 显示图片 image = ImageTk.PhotoImage(image) canvas.create_image(100, 100, image=image) canvas.image = image # 绑定鼠标事件 canvas.bind('<B1-Motion>', draw) # 绑定按钮事件 button_draw.config(command=lambda: statusbar.config(text='请在画板中手写数字')) button_image.config(command=choose_image) ``` 最后,我们需要在界面中添加更多的功能,比如支持单张图片多个数字的识别。具体实现可以根据需要进行扩展。 完整代码如下: ```python import tensorflow as tf import tkinter as tk from tkinter import filedialog from PIL import Image, ImageDraw, ImageTk import numpy as np # 定义输入和输出节点的名称 input_tensor_name = 'input:0' output_tensor_name = 'output:0' # 加载模型文件 model_path = 'model.pb' with tf.gfile.GFile(model_path, 'rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) # 导入模型 with tf.Graph().as_default() as graph: tf.import_graph_def(graph_def, name='') # 获取输入和输出节点 input_tensor = graph.get_tensor_by_name(input_tensor_name) output_tensor = graph.get_tensor_by_name(output_tensor_name) # 创建主窗口 root = tk.Tk() root.title('手写数字识别') # 创建画板 canvas = tk.Canvas(root, width=200, height=200, bg='white') canvas.pack() # 创建工具栏 toolbar = tk.Frame(root) toolbar.pack(side=tk.TOP) # 创建“手写数字输入”按钮 button_draw = tk.Button(toolbar, text='手写数字输入') button_draw.pack(side=tk.LEFT) # 创建“图片输入”按钮 button_image = tk.Button(toolbar, text='图片输入') button_image.pack(side=tk.LEFT) # 创建状态栏 statusbar = tk.Label(root, text='请在画板中手写数字', bd=1, relief=tk.SUNKEN, anchor=tk.W) statusbar.pack(side=tk.BOTTOM, fill=tk.X) # 定义手写数字输入的事件处理函数 def draw(event): x, y = event.x, event.y r = 8 canvas.create_oval(x-r, y-r, x+r, y+r, fill='black') image = Image.new('L', (200, 200), 255) draw = ImageDraw.Draw(image) draw.ellipse((x-r, y-r, x+r, y+r), fill=0) data = np.array(image).reshape(-1, 28, 28, 1) result = session.run(output_tensor, feed_dict={input_tensor: data}) statusbar.config(text='识别结果为:%d' % result[0]) # 定义图片输入的事件处理函数 def choose_image(): # 打开文件对话框选择图片文件 file_path = filedialog.askopenfilename(filetypes=[('Image Files', '*.png;*.jpg;*.jpeg')]) if file_path: # 加载图片并进行预处理 image = Image.open(file_path).convert('L').resize((28, 28), Image.ANTIALIAS) data = np.array(image).reshape(-1, 28, 28, 1) # 进行识别并显示结果 result = session.run(output_tensor, feed_dict={input_tensor: data}) statusbar.config(text='识别结果为:%d' % result[0]) # 显示图片 image = ImageTk.PhotoImage(image) canvas.create_image(100, 100, image=image) canvas.image = image # 绑定鼠标事件 canvas.bind('<B1-Motion>', draw) # 绑定按钮事件 button_draw.config(command=lambda: statusbar.config(text='请在画板中手写数字')) button_image.config(command=choose_image) # 创建会话 session = tf.Session(graph=graph) # 运行主窗口 root.mainloop() # 关闭会话 session.close() ```
阅读全文

相关推荐

最新推荐

recommend-type

tensorflow 2.0模式下训练的模型转成 tf1.x 版本的pb模型实例

在TensorFlow 2.0中,模型训练变得更加方便和高效,但有时为了兼容旧系统或者利用TensorFlow 1.x的一些特性,我们需要将2.0版本训练的模型转换为1.x版本的.pb模型。这里我们将详细讲解如何实现这个过程,特别关注在...
recommend-type

如何使用C#将Tensorflow训练的.pb文件用在生产环境详解

本文详细介绍了如何使用C#将TensorFlow训练的.pb文件应用于生产环境中,使用TensorFlowSharp框架可以轻松地加载PB文件并调用模型。本文提供的示例代码可以帮助开发者快速地将TensorFlow模型应用于生产环境中。
recommend-type

tensorflow模型文件(ckpt)转pb文件的方法(不知道输出节点名)

在TensorFlow中,模型训练完成后通常会保存为检查点文件(ckpt)格式,这是一种包含了模型权重和图结构信息的文件。然而,在某些场景下,如部署到生产环境或使用TensorFlow Serving,我们可能需要将模型转换成更轻量...
recommend-type

将tensorflow模型打包成PB文件及PB文件读取方式

PB文件是一种轻量级、高效的数据序列化格式,可以方便地在不同平台间传输和加载模型。下面将详细介绍如何将TensorFlow模型打包成PB文件,以及如何读取和使用这些PB文件。 1. **TensorFlow模型打包成PB文件** 首先...
recommend-type

将keras的h5模型转换为tensorflow的pb模型操作

通过以上步骤,我们可以成功地将Keras的h5模型转换为TensorFlow的pb模型,并能在客户端环境中加载和使用。这使得模型能够在不支持Keras的环境中运行,增加了模型部署的灵活性。 值得注意的是,虽然这个转换过程简化...
recommend-type

JHU荣誉单变量微积分课程教案介绍

资源摘要信息:"jhu2017-18-honors-single-variable-calculus" 知识点一:荣誉单变量微积分课程介绍 本课程为JHU(约翰霍普金斯大学)的荣誉单变量微积分课程,主要针对在2018年秋季和2019年秋季两个学期开设。课程内容涵盖两个学期的微积分知识,包括整合和微分两大部分。该课程采用IBL(Inquiry-Based Learning)格式进行教学,即学生先自行解决问题,然后在学习过程中逐步掌握相关理论知识。 知识点二:IBL教学法 IBL教学法,即问题导向的学习方法,是一种以学生为中心的教学模式。在这种模式下,学生在教师的引导下,通过提出问题、解决问题来获取知识,从而培养学生的自主学习能力和问题解决能力。IBL教学法强调学生的主动参与和探索,教师的角色更多的是引导者和协助者。 知识点三:课程难度及学习方法 课程的第一次迭代主要包含问题,难度较大,学生需要有一定的数学基础和自学能力。第二次迭代则在第一次的基础上增加了更多的理论和解释,难度相对降低,更适合学生理解和学习。这种设计旨在帮助学生从实际问题出发,逐步深入理解微积分理论,提高学习效率。 知识点四:课程先决条件及学习建议 课程的先决条件为预演算,即在进入课程之前需要掌握一定的演算知识和技能。建议在使用这些笔记之前,先完成一些基础演算的入门课程,并进行一些数学证明的练习。这样可以更好地理解和掌握课程内容,提高学习效果。 知识点五:TeX格式文件 标签"TeX"意味着该课程的资料是以TeX格式保存和发布的。TeX是一种基于排版语言的格式,广泛应用于学术出版物的排版,特别是在数学、物理学和计算机科学领域。TeX格式的文件可以确保文档内容的准确性和排版的美观性,适合用于编写和分享复杂的科学和技术文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战篇:自定义损失函数】:构建独特损失函数解决特定问题,优化模型性能

![损失函数](https://img-blog.csdnimg.cn/direct/a83762ba6eb248f69091b5154ddf78ca.png) # 1. 损失函数的基本概念与作用 ## 1.1 损失函数定义 损失函数是机器学习中的核心概念,用于衡量模型预测值与实际值之间的差异。它是优化算法调整模型参数以最小化的目标函数。 ```math L(y, f(x)) = \sum_{i=1}^{N} L_i(y_i, f(x_i)) ``` 其中,`L`表示损失函数,`y`为实际值,`f(x)`为模型预测值,`N`为样本数量,`L_i`为第`i`个样本的损失。 ## 1.2 损
recommend-type

如何在ZYNQMP平台上配置TUSB1210 USB接口芯片以实现Host模式,并确保与Linux内核的兼容性?

要在ZYNQMP平台上实现TUSB1210 USB接口芯片的Host模式功能,并确保与Linux内核的兼容性,首先需要在硬件层面完成TUSB1210与ZYNQMP芯片的正确连接,保证USB2.0和USB3.0之间的硬件电路设计符合ZYNQMP的要求。 参考资源链接:[ZYNQMP USB主机模式实现与测试(TUSB1210)](https://wenku.csdn.net/doc/6nneek7zxw?spm=1055.2569.3001.10343) 具体步骤包括: 1. 在Vivado中设计硬件电路,配置USB接口相关的Bank502和Bank505引脚,同时确保USB时钟的正确配置。
recommend-type

Naruto爱好者必备CLI测试应用

资源摘要信息:"Are-you-a-Naruto-Fan:CLI测验应用程序,用于检查Naruto狂热者的知识" 该应用程序是一个基于命令行界面(CLI)的测验工具,设计用于测试用户对日本动漫《火影忍者》(Naruto)的知识水平。《火影忍者》是由岸本齐史创作的一部广受欢迎的漫画系列,后被改编成同名电视动画,并衍生出一系列相关的产品和文化现象。该动漫讲述了主角漩涡鸣人从忍者学校开始的成长故事,直到成为木叶隐村的领袖,期间包含了忍者文化、战斗、忍术、友情和忍者世界的政治斗争等元素。 这个测验应用程序的开发主要使用了JavaScript语言。JavaScript是一种广泛应用于前端开发的编程语言,它允许网页具有交互性,同时也可以在服务器端运行(如Node.js环境)。在这个CLI应用程序中,JavaScript被用来处理用户的输入,生成问题,并根据用户的回答来评估其对《火影忍者》的知识水平。 开发这样的测验应用程序可能涉及到以下知识点和技术: 1. **命令行界面(CLI)开发:** CLI应用程序是指用户通过命令行或终端与之交互的软件。在Web开发中,Node.js提供了一个运行JavaScript的环境,使得开发者可以使用JavaScript语言来创建服务器端应用程序和工具,包括CLI应用程序。CLI应用程序通常涉及到使用诸如 commander.js 或 yargs 等库来解析命令行参数和选项。 2. **JavaScript基础:** 开发CLI应用程序需要对JavaScript语言有扎实的理解,包括数据类型、函数、对象、数组、事件循环、异步编程等。 3. **知识库构建:** 测验应用程序的核心是其问题库,它包含了与《火影忍者》相关的各种问题。开发人员需要设计和构建这个知识库,并确保问题的多样性和覆盖面。 4. **逻辑和流程控制:** 在应用程序中,需要编写逻辑来控制测验的流程,比如问题的随机出现、计时器、计分机制以及结束时的反馈。 5. **用户界面(UI)交互:** 尽管是CLI,用户界面仍然重要。开发者需要确保用户体验流畅,这包括清晰的问题呈现、简洁的指令和友好的输出格式。 6. **模块化和封装:** 开发过程中应当遵循模块化原则,将不同的功能分隔开来,以便于管理和维护。例如,可以将问题生成器、计分器和用户输入处理器等封装成独立的模块。 7. **单元测试和调试:** 测验应用程序在发布前需要经过严格的测试和调试。使用如Mocha或Jest这样的JavaScript测试框架可以编写单元测试,并通过控制台输出调试信息来排除故障。 8. **部署和分发:** 最后,开发完成的应用程序需要被打包和分发。如果是基于Node.js的应用程序,常见的做法是将其打包为可执行文件(如使用electron或pkg工具),以便在不同的操作系统上运行。 根据提供的文件信息,虽然具体细节有限,但可以推测该应用程序可能采用了上述技术点。用户通过点击提供的链接,可能将被引导到一个网页或直接下载CLI应用程序的可执行文件,从而开始进行《火影忍者》的知识测验。通过这个测验,用户不仅能享受答题的乐趣,还可以加深对《火影忍者》的理解和认识。