tensorflow手写数字识别完整版.zip

用python编写的，基于tensorflow深度学习的框架的手写数字识别的完整代码，有注释，可运行，无bug

#coding:utf-8

import tensorflow as tf
import numpy as np
from PIL import Image
import mnist_backward
import mnist_forward

def restore_model（testPicArr）:
    with tf.Graph（）.as_default（） as tg:
        x = tf.placeholder（tf.float32[None mnist_forward.INPUT_NODE]）
        y = mnist_forward.forward（xNone）
        preValue = tf.argmax（y1）

        #实例化带有滑动平均值得saver
        variable_averages = tf.train.ExponentialMovingAverage（mnist_backward.MOVING_AVERAGE_DECAY）
        variables_to_restore = variable_averages.variables_to_restore（）
        saver = tf.train.Saver（variables_to_restore）

        with tf.Session（） as sess:
            ckpt = tf.train.get_checkpoint_state（mnist_backward.MODEL_SAVE_PATH）
            if ckpt and ckpt.model_checkpoint_path:
                saver.restore（sess ckpt.model_checkpoint_path）

                preValue = sess.run（preValue feed_dict={x:testPicArr}）
                return preValue
            else:
                print（“No checkpoint file found“）
                return -1


def pre_pic（picName）:
    img = Image.open（picName）
    #用消除锯齿的方法将图片改为28*28像素
    reIm = img.resize（（2828）Image.ANTIALIAS）
    #利用reIm.convert（‘L‘）变成灰度图
    im_arr = np.array（reIm.convert（‘L‘））
    threshold =70

# =============================================================================
#     for i in range（28）:
#         for j in range（28）:
#             im_arr[i][j] = 255 - im_arr[i][j]
#             print（“ “im_arr[i][j]end=““）
#         print（“\n“end=““）
# =============================================================================
        
    #要改为黑底白字
    for i in range（28）:
        for j in range（28）:
            im_arr[i][j] = 255 - im_arr[i][j]
            if im_arr[i][j] < threshold:
                im_arr[i][j]=0
            else:
                im_arr[i][j] = 1

    for i in range（28）:
        for j in range（28）:
            print（“ “im_arr[i][j]end=““）
        print（“\n“end=““）
# =============================================================================
#     for i in range（28）:
#         for j in range（28）:
#             print（“ “im_arr[i][j]end=““）
#         print（“\n“end=““）
# =============================================================================
        
        
    nm_arr = im_arr.reshape（[1784]）
    #改为浮点型
    nm_arr = nm_arr.astype（np.float32）
    #把数据变为0到255之间
    #img_ready = np.multiply（nm_arr 1.0/255.0）
    img_ready = nm_arr

    return img_ready

def application（）:
    testNum= input（“输入测试图片数:“）
    testNum = int（testNum）
    for i in range（testNum）:
        testPic = input（“输入图片的路径:“）
        testPicArr = pre_pic（testPic）
        preValue = restore_model（testPicArr）
        print（“智慧的我预测数字为：“preValue）

def main（）:
    application（）

if __name__ == ‘__main__‘:
    main（）
        





















                             

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-01-16 17:11  __pycache__\
     文件        2159  2018-08-23 09:54  __pycache__\mnist_backward.cpython-36.pyc
     文件         943  2018-08-21 22:22  __pycache__\mnist_forward.cpython-36.pyc
     目录           0  2019-01-16 17:11  data\
     文件     1648877  2018-08-22 12:15  data\t10k-images-idx3-ubyte.gz
     文件        4542  2018-08-22 12:15  data\t10k-labels-idx1-ubyte.gz
     文件     9912422  2018-08-22 12:15  data\train-images-idx3-ubyte.gz
     文件       28881  2018-08-22 12:15  data\train-labels-idx1-ubyte.gz
     文件        3114  2018-08-30 11:39  mnist_app.py
     文件        2461  2018-08-22 14:52  mnist_backward.py
     文件         732  2018-08-21 22:22  mnist_forward.py
     文件        1933  2018-08-23 10:09  mnist_test.py
     目录           0  2019-01-16 17:11  model\
     文件         235  2018-09-09 00:07  model\checkpoint
     文件     3180084  2018-08-23 10:02  model\mnist_model-45001.data-00000-of-00001
     文件         447  2018-08-23 10:02  model\mnist_model-45001.index
     文件       59483  2018-08-23 10:02  model\mnist_model-45001.meta
     文件     3180084  2018-08-23 10:02  model\mnist_model-46001.data-00000-of-00001
     文件         447  2018-08-23 10:02  model\mnist_model-46001.index
     文件       59483  2018-08-23 10:02  model\mnist_model-46001.meta
     文件     3180084  2018-08-23 10:02  model\mnist_model-47001.data-00000-of-00001
     文件         447  2018-08-23 10:02  model\mnist_model-47001.index
     文件       59483  2018-08-23 10:02  model\mnist_model-47001.meta
     文件     3180084  2018-08-23 10:02  model\mnist_model-48001.data-00000-of-00001
     文件         447  2018-08-23 10:02  model\mnist_model-48001.index
     文件       59483  2018-08-23 10:02  model\mnist_model-48001.meta
     文件     3180084  2018-08-23 10:03  model\mnist_model-49001.data-00000-of-00001
     文件         447  2018-08-23 10:03  model\mnist_model-49001.index
     文件       59483  2018-08-23 10:03  model\mnist_model-49001.meta
     文件     3180084  2018-09-09 00:06  model\mnist_model-49002.data-00000-of-00001
     文件         447  2018-09-09 00:06  model\mnist_model-49002.index
............此处省略27个文件信息