深度学习项目 -7-使用 Python 的手写数字识别

导入 Keras

来自Keras。数据集导入 MNIST

来自Keras。模型导入顺序

来自Keras。图层导入 Dense、Dropout、Flatten

来自Keras。图层导入 Conv2D、MaxPooling2D

从 keras 导入后端作为 K

# 数据，在训练集和测试集之间拆分

(x_train， y_train）， （x_test， y_test） = mnist.load_data()

打印（x_train.形状，y_train。形状)

x_train = x_train。重塑（x_train。形状[0]， 28， 28， 1)

x_test = x_test。重塑（x_test。形状[0]， 28， 28， 1)

input_shape = （28， 28， 1)

# 将类向量转换为二进制类矩阵

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形状：'， x_train.形状)

打印（x_train.shape[0]， '训练样本')

打印（x_test。shape[0]， '测试样本')

batch_size = 128

num_classes = 10

纪元 = 10

model = 顺序()

型。add（Conv2D（32， kernel_size=（3， 3），activation='relu'，input_shape=input_shape))

型。add（Conv2D（64， （3， 3）， activation='relu'))

型。add（MaxPooling2D（pool_size=（2， 2)))

型。加（辍学（0.25))

型。添加（展平())

型。add（Dense（256， activation='relu'))

型。添加（辍学（0.5))

model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adadelta(),metrics=['accuracy'])

hist = 模型。fit（x_train， y_train，batch_size=batch_size，epochs=epochs，verbose=1，validation_data=（x_test， y_test))

print（“模型已成功训练”)

型。保存（'mnist.h5')

print（“将模型另存为 mnist.h5”)

分数 = 模型。evaluate（x_test， y_test， verbose=0)

print（'测试损失：'， score[0])

print（'测试精度：'， score[1])

来自Keras。模型导入load_model

从 tkinter 导入*

将 tkinter 导入为 tk

导入 Win32GUI

从 PIL 导入 ImageGrab， 图像

将 numpy 导入为 np

模型 = load_model（'mnist.h5')

定义 predict_digit（img）：

#resize 图像到 28x28 像素

img = img。调整大小（（28,28))

#convert RGB 到灰度

img = img。convert（'L')

img = np。阵列（img)

#reshaping 支持我们的模型输入和归一化

img = img。重塑（1,28,28,1 )

img = img/255.0

#predicting 课程

res = 模型。预测（[img]）[0]

返回 NP。argmax（res）， max（res)

类 App（tk.Tk）：

def __init__（个体经营）：

传统知识。Tk。__init__（自行)

自我。x = 自我。y = 0

# 创建元素

自我。帆布 = TK。Canvas（self， width=300， height=300， bg = “白色”， cursor=“cross”)

自我。标签 = TK。Label（self， text=“思考..”， font=（“Helvetica”， 48))

自我。classify_btn = 传统知识。Button（self， text = “识别”， command = self.classify_handwriting)

自我。button_clear = TK。Button（self， text = “清除”， command = self.clear_all)

# 网格结构

自我。帆布。grid（row=0， column=0， pady=2， sticky=W， )

自我。标签。grid（row=0， column=1，pady=2， padx=2)

自我。classify_btn.grid（row=1， column=1， pady=2， padx=2)

自我。button_clear.grid（row=1， column=0， pady=2)

#self.canvas.bind（“<运动>”， self.start_pos）

自我。帆布。bind（“<B1-Motion>”， 自身。draw_lines)

def clear_all（个体经营）：

自我。帆布。delete（“全部”)

def classify_handwriting（个体经营）：

HWND = 自身。帆布。winfo_id（） # 获取画布的手柄

矩形 = Win32GUI。GetWindowRect（HWND） # 获取画布的坐标

im = 图像抓取。抓取（矩形）)

数字，acc = predict_digit（im)

自我。标签。configure（text= str（digit）+'， '+ str（int（acc*100))+'%')

def draw_lines（self， event）：

自我。x = 事件。倍

自我。y = 事件。y

r=8

自我。帆布。create_oval（自。X-R， 自身。Y-R， 自我。x + r， 自我。y + r， fill='黑色')

app = 应用()

主环路()