python用TensorFlow做图像识别的实现_tensorflow图像文字识别 - CSDN文库

12 浏览量更新于2023-03-03 评论 4 收藏 181KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python用用TensorFlow做图像识别的实现做图像识别的实现

一、一、TensorFlow简介简介

TensorFlow是由谷歌开发的一套机器学习的工具，使用方法很简单，只需要输入训练数据位置，设定参数和优化方法

等，TensorFlow就可以将优化结果显示出来，节省了很大量的编程时间，TensorFlow的功能很多很强大，这边挑选了一个比

较简单实现的方法，就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别，让机器找出规律，然后再导入新的

数字让机器识别。

二、流程介绍二、流程介绍

上图是TensorFlow的流程，可以看到一开始要先将参数初始化，然后导入训练数据，计算偏差，然后修正参数，再导入新的

训练数据，不断重复，当数据量越大，理论上参数就会越准确，不过也要注意不可训练过度。

三、导入数据三、导入数据

数据可进入MNIST数据库 (Mixed National Institute of Standards and Technology database)，这是一个开放的数据库，里面

有许多免费的训练数据可以提供下载，这次我们要下载的是手写的阿拉伯数字，为什么要阿拉伯数字呢？1、因为结果少，只

有十个，比较好训练 2、图片的容量小，不占空间，下面是部分的训练数据案例

TensorFlow可以直接下载MNIST上的训练数据，并将它导入使用，下面为导入数据的代码

from tensorflow.examples.tutorials.mnist import input_data

MNIST = input_data.read_data_sets("/data/mnist", one_hot=True)

四、设定参数四、设定参数

接下来就是在TensorFlow里设定逻辑回归的参数，我们知道回归的公式为Y=w*X+b，X为输入，Y为计算结果，w为权重参

数，b为修正参数，其中w和b就是我们要训练修正的参数，但训练里要怎么判断计算结果好坏呢？就是要判断计算出来的Y和

实际的Y损失值（loss）是多少，并尽量减少loss，这边我们使用softmax函数来计算，softmax函数在计算多类别分类上的表

现比较好，有兴趣可以百度一下，这边就不展开说明了，下面为参数设定

X = tf.placeholder(tf.float32, [batch_size, 784], name="image")

Y = tf.placeholder(tf.float32, [batch_size, 10], name="label")

X为输入的图片，图片大小为784K，Y为实际结果，总共有十个结果（数字0-9）

w = tf.Variable(tf.random_normal(shape=[784, 10], stddev=0.01), name="weights")

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38606169

粉丝: 4
资源: 957

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈