基于卷积神经网络的手写数字识别

基于卷积神经网络的手写数字识别，工具使用Google的人工智能TensorFlow库，识别准确率高，代码使用python3.0以上版本

import tensorflow as tf
import numpy as np
from PIL import Image
import forward as fw
import backward as bw
import time
import os

os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘
def restore_model（testPivArr）:
    with tf.Graph（）.as_default（） as g:
        x= tf.placeholder（tf.float32[1fw.IMAGE_SIZE fw.IMAGE_SIZE 1]）
        # x = tf.placeholder（tf.float32 [1784]）
        y= fw.forward（xFalseNone）
        preValue= tf.argmax（y1）

        variable_averages= tf.train.ExponentialMovingAverage（bw.MOVING_AVERAGE_DECAY）
        variable_to_restore= variable_averages.variables_to_restore（）
        saver= tf.train.Saver（variable_to_restore）

        with tf.Session（） as sess:
            ckpt = tf.train.get_checkpoint_state（bw.MODEL_SAVE_PATH）
            if ckpt and ckpt.model_checkpoint_path:
                saver.restore（sess ckpt.model_checkpoint_path）
                ypreValue= sess.run（[ypreValue]feed_dict={x:testPivArr}）
                return preValue
            else:
                print（‘没有找到训练节点‘）
                return -1

def pre_pic（picName）:
    img= Image.open（picName）
    im_arr= np.array（img.convert（‘L‘））
    threshold=50
    for i in range（fw.IMAGE_SIZE）:
        for j in range（fw.IMAGE_SIZE）:
            im_arr[i][j]=255- im_arr[i][j]
            if im_arr[i][j]                im_arr[i][j]=0
            else:
                im_arr[i][j] = 255
    nm_arr= im_arr.reshape（[1784]）
    nm_arr= nm_arr.astype（np.float32）
    img_ready= np.dot（nm_arr1.0/255.0）
    img_ready=np.reshape（img_ready[-1fw.IMAGE_SIZE fw.IMAGE_SIZE 1]）
    return img_ready

def application（）:
    testPath = input（“input the folder of test pictures:“）
    start = time.clock（）
    for filename in os.listdir（testPath）:  # listdir的参数是文件夹的路径
        print（“the name of test picture:“filename）
        testPicArr = pre_pic（testPath+“/“+filename）
        preValue = restore_model（testPicArr）
        print（“预测数字可能是:“preValue）
        print（‘###############################################‘）
    elapsed = （time.clock（） - start）
    print（‘预测所用时间:‘elapsed）
def main（）:
    # mnist = input_data.read_data_sets（‘MNIST_data‘ one_hot=True）
    application（）
if __name__==‘__main__‘:
    main（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2649  2018-05-05 17:31  backward.py
     文件        2218  2018-05-05 17:31  forward.py
     文件        1435  2018-04-17 13:57  handWriteNumber.py
     文件        1881  2018-05-05 17:31  test.py
     文件        2343  2018-05-05 17:31  app.py