【机器学习实战入门项目】MNIST数字分类机器学习项目

Python 深度学习项目：手写数字识别

为了使机器更加智能，开发者们正在深入研究机器学习和深度学习技术。人类通过不断练习和重复来学习执行某项任务，从而记住如何完成这些任务。然后，大脑中的神经元会自动触发，他们能够快速执行已经学到的任务。深度学习与此也非常相似。它使用不同类型的神经网络架构来解决不同类型的问题，例如——对象识别、图像和声音分类、对象检测、图像分割等。

什么是手写数字识别？

手写数字识别是指计算机识别手写数字的能力。这是一项对机器来说较为困难的任务，因为手写数字并不完美，可能有许多不同的书写风格。手写数字识别为这个问题提供了解决方案，它使用数字的图像来识别图像中的数字。

关于 Python 深度学习项目

在本文中，我们将使用 MNIST 数据集实现一个手写数字识别应用程序。我们将使用一种特殊的深度神经网络，即卷积神经网络（Convolutional Neural Networks）。最终，我们将构建一个 GUI，你可以在这个界面上绘制数字，并立即识别它们。

预备知识

这个有趣的 Python 项目要求你具备 Python 编程的基本知识、使用 Keras 库的深度学习知识，以及使用 Tkinter 库构建 GUI 的知识。

安装必要的库

使用以下命令安装该项目所需的库：

pip install numpy, tensorflow, keras, pillow

MNIST 数据集

这可能是机器学习和深度学习爱好者中最受欢迎的数据集之一。MNIST 数据集包含 60,000 张用于训练的手写数字图像（从 0 到 9），以及 10,000 张用于测试的图像。因此，MNIST 数据集有 10 个不同的类别。手写数字图像以 28×28 矩阵的形式表示，每个单元格包含灰度像素值。

下载项目的完整源代码

实现手写数字识别项目

以下是实现手写数字识别项目的步骤：

1. 导入库并加载数据集

   首先，我们将导入训练模型所需的所有模块。Keras 库中已经包含了一些数据集，MNIST 就是其中之一。因此，我们可以轻松地导入数据集并开始使用它。mnist.load_data() 方法返回我们训练数据、其标签以及测试数据和其标签。

   import keras
   from keras.datasets import mnist
   from keras.models import Sequential
   from keras.layers import Dense, Dropout, Flatten
   from keras.layers import Conv2D, MaxPooling2D
   from keras import backend as K
   # 训练和测试数据集
   (x_train, y_train), (x_test, y_test) = mnist.load_data()
   print(x_train.shape, y_train.shape)
   

2. 预处理数据

   图像数据不能直接输入到模型中，因此我们需要执行一些操作来处理数据，使其准备好用于我们的神经网络。训练数据的维度是 (60000,28,28)。CNN 模型需要一个额外的维度，因此我们将矩阵重塑为 (60000,28,28,1) 的形状。

   x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
   x_test = x_test.reshape(x_test.shape[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 shape:', x_train.shape)
   print(x_train.shape[0], '训练样本')
   print(x_test.shape[0], '测试样本')
   

3. 创建模型

   现在我们将在这个 Python 数据科学项目中创建我们的 CNN 模型。CNN 模型通常包含卷积层和池化层。它在处理以网格结构表示的数据时效果更好，这也是为什么 CNN 用于图像分类问题时表现良好的原因。Dropout 层用于停用一些神经元，在训练过程中减少模型的过拟合。然后，我们将使用 Adadelta 优化器编译模型。

   batch_size = 128
   num_classes = 10
   epochs = 10
   model = Sequential()
   model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape=input_shape))
   model.add(Conv2D(64, (3, 3), activation='relu'))
   model.add(MaxPooling2D(pool_size=(2, 2)))
   model.add(Dropout(0.25))
   model.add(Flatten())
   model.add(Dense(256, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(num_classes, activation='softmax'))
   model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adadelta(),metrics=['accuracy'])
   

4. 训练模型

   Keras 的 model.fit() 函数将开始模型的训练。它需要训练数据、验证数据、训练轮数（epochs）和批量大小（batch size）。

   训练模型需要一些时间。训练完成后，我们将权重和模型定义保存在 ‘mnist.h5’ 文件中。

   hist = model.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")
   model.save('mnist.h5')
   print("将模型保存为 mnist.h5")
   

5. 评估模型

   我们的数据集中有 10,000 张图像，这些图像将用于评估我们的模型效果如何。测试数据没有参与训练，因此对于我们的模型来说是全新的数据。MNIST 数据集平衡性很好，我们可以达到约 99% 的准确率。

   score = model.evaluate(x_test, y_test, verbose=0)
   print('测试损失:', score[0])
   print('测试准确率:', score[1])
   

6. 创建用于预测数字的 GUI

   为了创建 GUI，我们在一个新文件中构建了一个交互式窗口，你可以在画布上绘制数字，并通过一个按钮识别数字。Tkinter 库包含在 Python 标准库中。我们创建了一个 predict_digit() 函数，该函数接收图像作为输入，然后使用训练好的模型来预测数字。

   然后，我们创建了 App 类，该类负责构建我们的应用程序的 GUI。我们创建了一个画布，可以在捕获鼠标事件时进行绘制，通过一个按钮触发 predict_digit() 函数并显示结果。

   以下是我们的 gui_digit_recognizer.py 文件的完整代码：

   from keras.models import load_model
   from tkinter import *
   import tkinter as tk
   import win32gui
   from PIL import ImageGrab, Image
   import numpy as np
   
   model = load_model('mnist.h5')
   
   def predict_digit(img):
       # 将图像调整为 28x28 像素
       img = img.resize((28,28))
       # 将 RGB 转换为灰度
       img = img.convert('L')
       img = np.array(img)
       # 重塑以支持模型输入并归一化
       img = img.reshape(1,28,28,1)
       img = img/255.0
       # 预测类别
       res = model.predict([img])[0]
       return np.argmax(res), max(res)
   
   class App(tk.Tk):
       def __init__(self):
           tk.Tk.__init__(self)
           self.x = self.y = 0
           # 创建元素
           self.canvas = tk.Canvas(self, width=300, height=300, bg = "white", cursor="cross")
           self.label = tk.Label(self, text="思考中..", font=("Helvetica", 48))
           self.classify_btn = tk.Button(self, text = "识别", command = self.classify_handwriting) 
           self.button_clear = tk.Button(self, text = "清除", command = self.clear_all)
           # 网格结构
           self.canvas.grid(row=0, column=0, pady=2, sticky=W, )
           self.label.grid(row=0, column=1,pady=2, padx=2)
           self.classify_btn.grid(row=1, column=1, pady=2, padx=2)
           self.button_clear.grid(row=1, column=0, pady=2)
           #self.canvas.bind("<Motion>", self.start_pos)
           self.canvas.bind("<B1-Motion>", self.draw_lines)
   
       def clear_all(self):
           self.canvas.delete("all")
   
       def classify_handwriting(self):
           HWND = self.canvas.winfo_id() # 获取画布的句柄
           rect = win32gui.GetWindowRect(HWND) # 获取画布的坐标
           im = ImageGrab.grab(rect)
           digit, acc = predict_digit(im)
           self.label.configure(text= str(digit)+', '+ str(int(acc*100))+'%')
   
       def draw_lines(self, event):
           self.x = event.x
           self.y = event.y
           r=8
           self.canvas.create_oval(self.x-r, self.y-r, self.x + r, self.y + r, fill='black')
   
   app = App()
   mainloop()
   

截图

• Python 机器学习项目输出为数字 2
• Python 机器学习项目输出为数字 5
• Python 项目输出为数字 6

总结

在本文中，我们成功构建了一个 Python 深度学习项目——手写数字识别应用。我们构建并训练了卷积神经网络，该网络在图像分类方面非常有效。随后，我们构建了一个 GUI，你可以在画布上绘制数字，然后对其进行分类并显示结果。

参考资料