Python 深度學(xué)習(xí)項目：手寫數(shù)字識別

為了使機器更加智能，開發(fā)者們正在深入研究機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)。人類通過不斷練習(xí)和重復(fù)來學(xué)習(xí)執(zhí)行某項任務(wù)，從而記住如何完成這些任務(wù)。然后，大腦中的神經(jīng)元會自動觸發(fā)，他們能夠快速執(zhí)行已經(jīng)學(xué)到的任務(wù)。深度學(xué)習(xí)與此也非常相似。它使用不同類型的神經(jīng)網(wǎng)絡(luò)架構(gòu)來解決不同類型的問題，例如——對象識別、圖像和聲音分類、對象檢測、圖像分割等。

什么是手寫數(shù)字識別？

手寫數(shù)字識別是指計算機識別手寫數(shù)字的能力。這是一項對機器來說較為困難的任務(wù)，因為手寫數(shù)字并不完美，可能有許多不同的書寫風(fēng)格。手寫數(shù)字識別為這個問題提供了解決方案，它使用數(shù)字的圖像來識別圖像中的數(shù)字。

關(guān)于 Python 深度學(xué)習(xí)項目

在本文中，我們將使用 MNIST 數(shù)據(jù)集實現(xiàn)一個手寫數(shù)字識別應(yīng)用程序。我們將使用一種特殊的深度神經(jīng)網(wǎng)絡(luò)，即卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）。最終，我們將構(gòu)建一個 GUI，你可以在這個界面上繪制數(shù)字，并立即識別它們。

預(yù)備知識

這個有趣的 Python 項目要求你具備 Python 編程的基本知識、使用 Keras 庫的深度學(xué)習(xí)知識，以及使用 Tkinter 庫構(gòu)建 GUI 的知識。

安裝必要的庫

使用以下命令安裝該項目所需的庫：

pip install numpy, tensorflow, keras, pillow

MNIST 數(shù)據(jù)集

這可能是機器學(xué)習(xí)和深度學(xué)習(xí)愛好者中最受歡迎的數(shù)據(jù)集之一。MNIST 數(shù)據(jù)集包含 60,000 張用于訓(xùn)練的手寫數(shù)字圖像（從 0 到 9），以及 10,000 張用于測試的圖像。因此，MNIST 數(shù)據(jù)集有 10 個不同的類別。手寫數(shù)字圖像以 28×28 矩陣的形式表示，每個單元格包含灰度像素值。

下載項目的完整源代碼

實現(xiàn)手寫數(shù)字識別項目

以下是實現(xiàn)手寫數(shù)字識別項目的步驟：

1. 導(dǎo)入庫并加載數(shù)據(jù)集

   首先，我們將導(dǎo)入訓(xùn)練模型所需的所有模塊。Keras 庫中已經(jīng)包含了一些數(shù)據(jù)集，MNIST 就是其中之一。因此，我們可以輕松地導(dǎo)入數(shù)據(jù)集并開始使用它。mnist.load_data() 方法返回我們訓(xùn)練數(shù)據(jù)、其標簽以及測試數(shù)據(jù)和其標簽。

   import keras
   from keras.datasets import mnist
   from keras.models import Sequential
   from keras.layers import Dense, Dropout, Flatten
   from keras.layers import Conv2D, MaxPooling2D
   from keras import backend as K
   # 訓(xùn)練和測試數(shù)據(jù)集
   (x_train, y_train), (x_test, y_test) = mnist.load_data()
   print(x_train.shape, y_train.shape)
   

2. 預(yù)處理數(shù)據(jù)

   圖像數(shù)據(jù)不能直接輸入到模型中，因此我們需要執(zhí)行一些操作來處理數(shù)據(jù)，使其準備好用于我們的神經(jīng)網(wǎng)絡(luò)。訓(xùn)練數(shù)據(jù)的維度是 (60000,28,28)。CNN 模型需要一個額外的維度，因此我們將矩陣重塑為 (60000,28,28,1) 的形狀。

   x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
   x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
   input_shape = (28, 28, 1)
   # 將類向量轉(zhuǎn)換為二進制類矩陣
   y_train = keras.utils.to_categorical(y_train, num_classes)
   y_test = keras.utils.to_categorical(y_test, num_classes)
   x_train = x_train.astype('float32')
   x_test = x_test.astype('float32')
   x_train /= 255
   x_test /= 255
   print('x_train shape:', x_train.shape)
   print(x_train.shape[0], '訓(xùn)練樣本')
   print(x_test.shape[0], '測試樣本')
   

3. 創(chuàng)建模型

   現(xiàn)在我們將在這個 Python 數(shù)據(jù)科學(xué)項目中創(chuàng)建我們的 CNN 模型。CNN 模型通常包含卷積層和池化層。它在處理以網(wǎng)格結(jié)構(gòu)表示的數(shù)據(jù)時效果更好，這也是為什么 CNN 用于圖像分類問題時表現(xiàn)良好的原因。Dropout 層用于停用一些神經(jīng)元，在訓(xùn)練過程中減少模型的過擬合。然后，我們將使用 Adadelta 優(yōu)化器編譯模型。

   batch_size = 128
   num_classes = 10
   epochs = 10
   model = Sequential()
   model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape=input_shape))
   model.add(Conv2D(64, (3, 3), activation='relu'))
   model.add(MaxPooling2D(pool_size=(2, 2)))
   model.add(Dropout(0.25))
   model.add(Flatten())
   model.add(Dense(256, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(num_classes, activation='softmax'))
   model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adadelta(),metrics=['accuracy'])
   

4. 訓(xùn)練模型

   Keras 的 model.fit() 函數(shù)將開始模型的訓(xùn)練。它需要訓(xùn)練數(shù)據(jù)、驗證數(shù)據(jù)、訓(xùn)練輪數(shù)（epochs）和批量大小（batch size）。

   訓(xùn)練模型需要一些時間。訓(xùn)練完成后，我們將權(quán)重和模型定義保存在 ‘mnist.h5’ 文件中。

   hist = model.fit(x_train, y_train,batch_size=batch_size,epochs=epochs,verbose=1,validation_data=(x_test, y_test))
   print("模型已成功訓(xùn)練")
   model.save('mnist.h5')
   print("將模型保存為 mnist.h5")
   

5. 評估模型

   我們的數(shù)據(jù)集中有 10,000 張圖像，這些圖像將用于評估我們的模型效果如何。測試數(shù)據(jù)沒有參與訓(xùn)練，因此對于我們的模型來說是全新的數(shù)據(jù)。MNIST 數(shù)據(jù)集平衡性很好，我們可以達到約 99% 的準確率。

   score = model.evaluate(x_test, y_test, verbose=0)
   print('測試損失:', score[0])
   print('測試準確率:', score[1])
   

6. 創(chuàng)建用于預(yù)測數(shù)字的 GUI

   為了創(chuàng)建 GUI，我們在一個新文件中構(gòu)建了一個交互式窗口，你可以在畫布上繪制數(shù)字，并通過一個按鈕識別數(shù)字。Tkinter 庫包含在 Python 標準庫中。我們創(chuàng)建了一個 predict_digit() 函數(shù)，該函數(shù)接收圖像作為輸入，然后使用訓(xùn)練好的模型來預(yù)測數(shù)字。

   然后，我們創(chuàng)建了 App 類，該類負責(zé)構(gòu)建我們的應(yīng)用程序的 GUI。我們創(chuàng)建了一個畫布，可以在捕獲鼠標事件時進行繪制，通過一個按鈕觸發(fā) predict_digit() 函數(shù)并顯示結(jié)果。

   以下是我們的 gui_digit_recognizer.py 文件的完整代碼：

   from keras.models import load_model
   from tkinter import *
   import tkinter as tk
   import win32gui
   from PIL import ImageGrab, Image
   import numpy as npmodel = load_model('mnist.h5')def predict_digit(img):# 將圖像調(diào)整為 28x28 像素img = img.resize((28,28))# 將 RGB 轉(zhuǎn)換為灰度img = img.convert('L')img = np.array(img)# 重塑以支持模型輸入并歸一化img = img.reshape(1,28,28,1)img = img/255.0# 預(yù)測類別res = model.predict([img])[0]return np.argmax(res), max(res)class App(tk.Tk):def __init__(self):tk.Tk.__init__(self)self.x = self.y = 0# 創(chuàng)建元素self.canvas = tk.Canvas(self, width=300, height=300, bg = "white", cursor="cross")self.label = tk.Label(self, text="思考中..", font=("Helvetica", 48))self.classify_btn = tk.Button(self, text = "識別", command = self.classify_handwriting) self.button_clear = tk.Button(self, text = "清除", command = self.clear_all)# 網(wǎng)格結(jié)構(gòu)self.canvas.grid(row=0, column=0, pady=2, sticky=W, )self.label.grid(row=0, column=1,pady=2, padx=2)self.classify_btn.grid(row=1, column=1, pady=2, padx=2)self.button_clear.grid(row=1, column=0, pady=2)#self.canvas.bind("<Motion>", self.start_pos)self.canvas.bind("<B1-Motion>", self.draw_lines)def clear_all(self):self.canvas.delete("all")def classify_handwriting(self):HWND = self.canvas.winfo_id() # 獲取畫布的句柄rect = win32gui.GetWindowRect(HWND) # 獲取畫布的坐標im = ImageGrab.grab(rect)digit, acc = predict_digit(im)self.label.configure(text= str(digit)+', '+ str(int(acc*100))+'%')def draw_lines(self, event):self.x = event.xself.y = event.yr=8self.canvas.create_oval(self.x-r, self.y-r, self.x + r, self.y + r, fill='black')app = App()
   mainloop()
   

截圖

• Python 機器學(xué)習(xí)項目輸出為數(shù)字 2
• Python 機器學(xué)習(xí)項目輸出為數(shù)字 5
• Python 項目輸出為數(shù)字 6

總結(jié)

在本文中，我們成功構(gòu)建了一個 Python 深度學(xué)習(xí)項目——手寫數(shù)字識別應(yīng)用。我們構(gòu)建并訓(xùn)練了卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)在圖像分類方面非常有效。隨后，我們構(gòu)建了一個 GUI，你可以在畫布上繪制數(shù)字，然后對其進行分類并顯示結(jié)果。

參考資料

資料名稱	鏈接
Keras 官方文檔	https://keras.io/
TensorFlow 官方文檔	https://tensorflow.google.cn/
MNIST 數(shù)據(jù)集介紹	http://yann.lecun.com/exdb/mnist/
手寫數(shù)字識別教程	https://data-flair.training/blogs/handwritten-digit-recognition/
Python GUI 開發(fā)概述	https://docs.python.org/3/library/tkinter.html
Tkinter 詳細介紹	https://www.tutorialspoint.com/python/python_gui_programming.htm
深度學(xué)習(xí)入門	https://deeplearning.ai/
卷積神經(jīng)網(wǎng)絡(luò)入門	https://cs231n.github.io/convolutional-networks/
機器學(xué)習(xí)基礎(chǔ)	https://www.coursera.org/courses?query=machine%20learning
數(shù)據(jù)預(yù)處理技巧	https://machinelearningmastery.com/preparing-data-for-deep-learning/
Python 項目示例	https://github.com/data-flair-training-deep-learning/
手寫數(shù)字識別研究論文	https://arxiv.org/abs/1509.06322
圖像識別技術(shù)綜述	https://www.sunfounder.com/learn/opencv-101