012345手势识别神经网络代码

采用全连接神经网络对012345的手势图片进行识别，基于Pytorch编写，附h5格式数据集

import torch as t
import h5py
import numpy as np
import torch.nn as nn
import matplotlib.pyplot as plt
import os warnings
os.environ[‘KMP_DUPLICATE_LIB_OK‘] = ‘True‘
warnings.filterwarnings（‘ignore‘）


class Net（nn.Module）:
    def __init__（self n_inputs n_hidden_1 n_hidden_2 n_outputs）:
        super（Net self）.__init__（）
        self.fc = nn.Sequential（
            nn.Linear（n_inputs n_hidden_1） nn.BatchNorm1d（n_hidden_1） nn.ReLU（）
            nn.Linear（n_hidden_1 n_hidden_2） nn.BatchNorm1d（n_hidden_2） nn.ReLU（）
            nn.Linear（n_hidden_2 n_outputs）
        ）

    def forward（self x）:
        output = self.fc（x）
        return output


train_dataset = h5py.File（‘train_signs.h5‘ “r“）
train_set_x_orig = t.from_numpy（np.array（train_dataset[“train_set_x“]））
train_set_y = t.tensor（np.array（train_dataset[“train_set_y“]））

test_dataset = h5py.File（‘test_signs.h5‘ “r“）
test_set_x_orig = t.from_numpy（np.array（test_dataset[“test_set_x“]））
test_set_y = t.tensor（np.array（test_dataset[“test_set_y“]））
print（train_set_x_orig.shape）         # （108064643）
print（test_set_x_orig.shape）          # （12064643）
print（train_set_y.shape）         # （1080）
print（test_set_y.shape）          # （120）

classes = np.array（test_dataset[“list_classes“]）
print（classes）             # [0 1 2 3 4 5]


fig = plt.figure（）
for i in range（6）:
    plt.subplot（2 3 i+1）
    plt.imshow（train_set_x_orig[i]）
    plt.title（“Labels: {}“.format（classes[int（train_set_y[i]）]））
    plt.xticks（[]）
    plt.yticks（[]）
    pass
plt.show（）


num_train = train_set_x_orig.shape[0]            # 1080
num_test = test_set_x_orig.shape[0]              # 120
print（“训练集包含 %d 张图片; 测试集包含 %d 张图片。“ % （num_train num_test））

train_set_x = train_set_x_orig.reshape（num_train -1）/255.0
test_set_x = test_set_x_orig.reshape（num_test -1）/255.0
print（“训练集图片尺寸变为: “ train_set_x.shape）           # （108064643） --> （108012288）
print（“测试集图片尺寸变为: “ test_set_x.shape）            # （12064643） --> （12012288）


model = Net（12288 200 50 6）
print（model）
print（“model包含{}个参数。“.format（sum（x.numel（） for x in model.parameters（））））
cost_func = nn.CrossEntropyLoss（）
optimizer = t.optim.SGD（model.parameters（） lr=0.0005 momentum=0.9）
epochs = 200


for epoch in range（epochs）:
    model.train（）
    y_out = model（train_set_x）
    train_loss = cost_func（y_out train_set_y）
    optimizer.zero_grad（）
    train_loss.backward（）
    optimizer.step（）

    with t.no_grad（）:
        _ y_pred = y_out.max（1）
        num_correct_train = （y_pred == train_set_y）.sum（）.item（）
        acc_rate_train = （num_correct_train / num_train） * 100.0

        model.eval（）
        y_out = model（test_set_x）
        _ y_pred = y_out.max（1）
        num_correct_test = （y_pred == test_set_y）.sum（）.item（）
        acc_rate_test = num_correct_test * 100.0 / num_test
        print（“世代数: %d 训练集正确率: %.1f%% 测试集正确率: %.1f%%“ % （epoch+1 acc_rate_train

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3140  2020-08-12 10:09  012345手势识别-FCNet\Fully_connected_Net.py
     文件     1477712  2019-07-09 23:16  012345手势识别-FCNet\test_signs.h5
     文件    13281872  2019-07-09 23:16  012345手势识别-FCNet\train_signs.h5
     目录           0  2020-09-13 10:55  012345手势识别-FCNet\