在树莓派上建立一个最简单手写体识别系统(一)
2018-01-09 19:59
471 查看
目标,在树莓派上建立一个最简单的手写体识别系统。
规划如下:
1 在PC上做使用tensorflow做一个最简单的softmax模型,把模型参数全部保存下来
2 在PC上,使用python读取模型参数,编写模型代码,使用opencv读取图片,模型预测
3 将代码直接挪到树莓派上运行,并测试模型预测时间
1代码:
读取保存的参数,自己建立模型,和tensorflow结果对比:
规划如下:
1 在PC上做使用tensorflow做一个最简单的softmax模型,把模型参数全部保存下来
2 在PC上,使用python读取模型参数,编写模型代码,使用opencv读取图片,模型预测
3 将代码直接挪到树莓派上运行,并测试模型预测时间
1代码:
#coding=utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data from datetime import datetime import math import time #载入数据集 mnist = input_data.read_data_sets("MNIST_data",one_hot=True) # 配置每个 GPU 上占用的内存的比例 #gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.95) #sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) x = tf.placeholder(tf.float32,[None, 784]) W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf.zeros([10])) y = tf.nn.softmax(tf.matmul(x,W)+b) y_ = tf.placeholder(tf.float32,[None, 10]) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) init = tf.global_variables_initializer() sess = tf.Session() #无GPU时候打开 sess.run(init) for i in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict = {x: batch_xs, y_: batch_ys}) correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) print(sess.run(accuracy, feed_dict={x:mnist.test.images, y_: mnist.test.labels})) #保存训练出来的参数 seeb = sess.run(b) seew = sess.run(W) print(seeb.shape) print(seew.shape) import pandas as pd from pandas import Series,DataFrame df = DataFrame(seew) df.to_csv('mnist_w.csv',index=False) df = DataFrame(seeb) #print(df) df.to_csv('mnist_b.csv',index=False)
读取保存的参数,自己建立模型,和tensorflow结果对比:
testx = [mnist.test.images[0]] testy = [mnist.test.labels[0]] #tensorflow预测结果 sess.run(y, feed_dict={x:testx}) #自己搭的softmax模型预测结果 from numpy import *; import numpy as np; #这个方式使用numpy的函数时,需要以np.开头。 import math testx = [mnist.test.images[0]] a1=mat(testx); a2=mat(seew); a3=a1*a2; a4 = a3+seeb #print(a4) etab=[0,0,0,0,0,0,0,0,0,0] for i in range(0,10): t = a4[0:,i] t = t.tolist()[0] t = t[0] etab[i] = math.exp(t) a = sum(etab) for i in range(0,10): t = etab[i] t = t/a print(t) print ( "预测值=",etab.index(max(etab)) )
相关文章推荐
- 在树莓派上建立一个最简单手写体识别系统(二)
- 一个简单的情感识别系统的实现
- php使用face++实现一个简单的人脸识别系统
- 使用azkaban 建立一个简单的任务调度系统
- 利用HTK工具包快速建立一个语音命令识别系统
- 简单手写体数字识别系统
- 简单手写体数字识别系统
- 在树莓派 3 上运行 openSUSE:简单几步搭建一个实用系统
- 利用HTK快速建立一个语音命令识别系统
- 建立和维护一个简单的PKI系统 推荐
- 树莓派开发板--Linux系统--ROS环境--实现一个简单的消息发布器和订阅器
- 【译】建立属于你的个人高效系统——效率专家 Mike Vardy 教你如何设置一个简单的个人高效系统
- 用树莓派做一个简单的监控系统
- 一个简单的情感识别系统的实现
- 一个简单的内存检查系统
- 使用 Ansible 在树莓派上构建一个基于 Linux 的高性能计算系统 | Linux 中国
- 一个简单的在线推荐系统的实现
- 一步一步从入门到精通(一)建立一个简单入门的例子
- 例 9.8 建立一个如图9.9所示的简单链表,它由3个学生数据的结点组成,要求输出各结点中的数据。
- 为LINUX 设计一个简单的二级文件系统。