Python中如何實現(xiàn)MNIST手寫體識別

這篇文章主要介紹Python中如何實現(xiàn)MNIST手寫體識別，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

1.實驗內(nèi)容簡述

1.1 實驗環(huán)境

本實驗采用的軟硬件實驗環(huán)境如表所示：

在Windows操作系統(tǒng)下，采用基于Tensorflow的Keras的深度學(xué)習(xí)框架，對MNIST進行訓(xùn)練和測試。

采用keras的深度學(xué)習(xí)框架，keras是一個專為簡單的神經(jīng)網(wǎng)絡(luò)組裝而設(shè)計的Python庫，具有大量預(yù)先包裝的網(wǎng)絡(luò)類型，包括二維和三維風(fēng)格的卷積網(wǎng)絡(luò)、短期和長期的網(wǎng)絡(luò)以及更廣泛的一般網(wǎng)絡(luò)。使用keras構(gòu)建網(wǎng)絡(luò)是直接的，keras在其Api設(shè)計中使用的語義是面向?qū)哟蔚?，網(wǎng)絡(luò)組建相對直觀，所以本次選用Keras人工智能框架，其專注于用戶友好，模塊化和可擴展性。

1.2 MNIST數(shù)據(jù)集介紹

MNIST（官方網(wǎng)站）是非常有名的手寫體數(shù)字識別數(shù)據(jù)集。它由手寫體數(shù)字的圖片和相對應(yīng)的標(biāo)簽組成，如：

MNIST數(shù)據(jù)集分為訓(xùn)練圖像和測試圖像。訓(xùn)練圖像60000張，測試圖像10000張，每一個圖片代表0-9中的一個數(shù)字，且圖片大小均為28*28的矩陣。

• train-images-idx3-ubyte.gz: training set images (9912422 bytes) 訓(xùn)練圖片

• train-labels-idx1-ubyte.gz: training set labels (28881 bytes) 訓(xùn)練標(biāo)簽

• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes) 測試圖片

• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes) 測試標(biāo)簽

1.3 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理階段對圖像進行歸一化處理，我們將圖片中的這些值縮小到 0 到 1 之間，然后將其饋送到神經(jīng)網(wǎng)絡(luò)模型。為此，將圖像組件的數(shù)據(jù)類型從整數(shù)轉(zhuǎn)換為浮點數(shù)，然后除以 255。這樣更容易訓(xùn)練,以下是預(yù)處理圖像的函數(shù)：務(wù)必要以相同的方式對訓(xùn)練集和測試集進行預(yù)處理：

之后對標(biāo)簽進行one-hot編碼處理：將離散特征的取值擴展到了歐式空間，離散特征的某個取值就對應(yīng)歐式空間的某個點；機器學(xué)習(xí)算法中，特征之間距離的計算或相似度的常用計算方法都是基于歐式空間的；將離散型特征使用one-hot編碼，會讓特征之間的距離計算更加合理

2.實驗核心代碼

（1）MLP感知器

# Build MLP
model = Sequential()

model.add(Dense(units=256,
                input_dim=784,
                kernel_initializer='normal',
                activation='relu'))
model.add(Dense(units=128,
                kernel_initializer='normal',
                activation='relu'))
model.add(Dense(units=64,
                kernel_initializer='normal',
                activation='relu'))
model.add(Dense(units=10,
                kernel_initializer='normal',
                activation='softmax'))

model.summary()

（2）CNN卷積神經(jīng)網(wǎng)絡(luò)

# Build LeNet-5
model = Sequential()
model.add(Conv2D(filters=6, kernel_size=(5, 5), padding='valid', input_shape=(28, 28, 1), activation='relu')) # C1
model.add(MaxPooling2D(pool_size=(2, 2))) # S2
model.add(Conv2D(filters=16, kernel_size=(5, 5), padding='valid', activation='relu')) # C3
model.add(MaxPooling2D(pool_size=(2, 2))) # S4
model.add(Flatten())
model.add(Dense(120, activation='tanh')) # C5
model.add(Dense(84, activation='tanh')) # F6
model.add(Dense(10, activation='softmax')) # output
model.summary()

模型解釋

模型訓(xùn)練過程中，我們用到LENET-5的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

第一層，卷積層

這一層的輸入是原始的圖像像素，LeNet-5 模型接受的輸入層大小是28x28x1。第一卷積層的過濾器的尺寸是5x5，深度（卷積核種類）為6，不使用全0填充，步長為1。因為沒有使用全0填充，所以這一層的輸出的尺寸為32-5+1=28，深度為6。這一層卷積層參數(shù)個數(shù)是5x5x1x6+6=156個參數(shù)（可訓(xùn)練參數(shù)），其中6個為偏置項參數(shù)。因為下一層的節(jié)點矩陣有有28x28x6=4704個節(jié)點（神經(jīng)元數(shù)量），每個節(jié)點和5x5=25個當(dāng)前層節(jié)點相連，所以本層卷積層總共有28x28x6x（5x5+1）個連接。

第二層，池化層

這一層的輸入是第一層的輸出，是一個28x28x6=4704的節(jié)點矩陣。本層采用的過濾器為2x2的大小，長和寬的步長均為2，所以本層的輸出矩陣大小為14x14x6。原始的LeNet-5 模型中使用的過濾器和這里將用到的過濾器有些許的差別，這里不過多介紹。

第三層，卷積層

本層的輸入矩陣大小為14x14x6，使用的過濾器大小為5x5，深度為16。本層不使用全0填充，步長為1。本層的輸出矩陣大小為10x10x16。按照標(biāo)準(zhǔn)卷積層本層應(yīng)該有5x5x6x16+16=2416個參數(shù)（可訓(xùn)練參數(shù)），10x10x16x（5x5+1）=41600個連接。

第四層，池化層

本層的輸入矩陣大小是10x10x16，采用的過濾器大小是2x2，步長為2，本層的輸出矩陣大小為5x5x16。

第五層，全連接層

本層的輸入矩陣大小為5x5x16。如果將此矩陣中的節(jié)點拉成一個向量，那么這就和全連接層的輸入一樣了。本層的輸出節(jié)點個數(shù)為120，總共有5x5x16x120+120=48120個參數(shù)。

第六層，全連接層

本層的輸入節(jié)點個數(shù)為120個，輸出節(jié)點個數(shù)為84個，總共參數(shù)為120x84+84=10164個。

第七層，全連接層

LeNet-5 模型中最后一層輸出層的結(jié)構(gòu)和全連接層的結(jié)構(gòu)有區(qū)別，但這里我們用全連接層近似的表示。本層的輸入節(jié)點為84個，輸出節(jié)點個數(shù)為10個，總共有參數(shù)84x10+10=850個。

模型過程

初始參數(shù)設(shè)定好之后開始訓(xùn)練，每次訓(xùn)練需要微調(diào)參數(shù)以得到更好的訓(xùn)練結(jié)果，經(jīng)過多次嘗試，最終設(shè)定參數(shù)為：

• 優(yōu)化器：adam優(yōu)化器

• 訓(xùn)練輪數(shù)：10

• 每次輸入的數(shù)據(jù)量：500

LENET-5的卷積神經(jīng)網(wǎng)絡(luò)對MNIST數(shù)據(jù)集進行訓(xùn)練，并采用上述的模型參數(shù)，進行10輪訓(xùn)練，在訓(xùn)練集上達到了95%的準(zhǔn)確率

3.結(jié)果分析機器總結(jié)

3.1 模型測試以及結(jié)果分析

為了驗證模型的魯棒性，在上述最優(yōu)參數(shù)下保存在驗證集上性能最好的模型，在測試集上進行最終的測試，得到最終的準(zhǔn)確率為：95.13%.

為了更好的分析我們的結(jié)果，這里用混淆矩陣來評估我們的模型性能。在模型評估之前，先學(xué)習(xí)一些指標(biāo)。

TP(True Positive)：將正類預(yù)測為正類數(shù)，真實為0，預(yù)測也為0FN(False Negative)：將正類預(yù)測為負(fù)類數(shù)，真實為0，預(yù)測為1FP(False Positive)：將負(fù)類預(yù)測為正類數(shù)， 真實為1，預(yù)測為0。TN(True Negative)：將負(fù)類預(yù)測為負(fù)類數(shù)，真實為1，預(yù)測也為1混淆矩陣定義及表示含義：

混淆矩陣是機器學(xué)習(xí)中總結(jié)分類模型預(yù)測結(jié)果的情形分析表，以矩陣形式將數(shù)據(jù)集中的記錄按照真實的類別與分類模型預(yù)測的類別判斷兩個標(biāo)準(zhǔn)進行匯總。其中矩陣的行表示真實值，矩陣的列表示預(yù)測值，下面以本次案例為例，看下矩陣表現(xiàn)形式，如下：

3.2 結(jié)果對比

并與四層全連接層模型進行對比，全連接層的模型結(jié)構(gòu)如下：

其結(jié)果如下：

總之，從結(jié)果上來看，最后經(jīng)過不斷地參數(shù)調(diào)優(yōu)最終訓(xùn)練出了一個分類正確率在95%左右的模型，并且通過實驗證明了模型具有很強的魯棒性。

3.3 模型的預(yù)測

對單張圖像進行預(yù)測：

以上是“Python中如何實現(xiàn)MNIST手寫體識別”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道！