+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2019-07(3)

2019-08(112)

2019-09(99)

【Python机器学习及实践】实战篇:MNIST手写体数字图片识别

发布于2019-08-20 15:00     阅读(738)     评论(0)     点赞(6)     收藏(5)


Python机器学习及实践——实战篇:MNIST手写体数字图片识别

作为kaggle上入门级别比赛,手写体数字识别是最基本的一个。这里所用的数据为MNIST提供的0-9的手写体数字,kaggle上提供了csv格式的数据文件,可以直接读取。这里推荐使用readr包的read_csv函数读取,能够进一步提升文件读取速度。

数据简介:训练集样本个数为42000,测试集样本个数为28000,第一列为label为标签,第2到第785列为黑白图片每个像素点的灰度值(28*28).

模型搭建:采用多种基于skflow工具包的模型完成大规模手写体数字图片识别的任务。这些模型包括:线性回归器,全连接并包含三个隐层的深度神经网络(DNN)以及一个较为复杂但是性能强大的卷积神经网络(CNN)。

  1. #!/usr/bin/env python
  2. # -*- coding: utf-8 -*-
  3. """
  4. @File : MNIST.py
  5. @Author: Xinzhe.Pang
  6. @Date : 2019/7/28 0:27
  7. @Desc :
  8. """
  9. import pandas as pd
  10. train = pd.read_csv('./train.csv')
  11. # 查看训练样本信息
  12. print(train.shape)
  13. # 使用pandas从本地读取的MNIST手写体数字测试图片集
  14. test = pd.read_csv('./test.csv')
  15. print(test.shape)
  16. # 将训练集中的数据特征与对应标记分离
  17. y_train = train['label']
  18. X_train = train.drop('label', 1)
  19. # 准备测试特征
  20. X_test = test
  21. # 分别导入tensorflow和skflow
  22. import tensorflow as tf
  23. import skflow
  24. # 使用skflow中已经封装好的基于tensorflow搭建的线性分类器TensorflowFlowLinearClassifier进行学习预测
  25. classifier = skflow.TensorFlowLinearClassifier(n_classes=10, batch_size=100, steps=1000, learning_rate=0.01)
  26. classifier.fit(X_train, y_train)
  27. linear_y_pred = classifier.predict(X_test)
  28. linear_submission = pd.DataFrame({'ImageId': range(1, 28001), 'Label': linear_y_pred})
  29. linear_submission.to_csv('./linear_submission.csv', index=False)
  30. # 使用基于tensorflow搭建的全连接深度神经网络TensorflowDNNClassifier进行学习预测
  31. classifier = skflow.TensorFlowDNNClassifier(hidden_units=[200, 50, 10], n_classes=10, steps=5000, learning_rate=0.01,
  32. batch_size=50)
  33. classifier.fit(X_train, y_train)
  34. dnn_y_pred = classifier.predict(X_test)
  35. dnn_submission = pd.DataFrame({'ImageId': range(1, 28001), 'Label': dnn_y_pred})
  36. dnn_submission.to_csv('./dnn_submission.csv', index=False)
  37. # 使用Tensorflow中的算子自行搭建更为复杂的卷积神经网络,并使用skflow的程序接口从事MNIST数据的学习与预测
  38. def max_pool_2x2(tensor_in):
  39. return tf.nn.max_pool(tensor_in, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
  40. def conv_model(X, y):
  41. X = tf.reshape(X, [-1, 28, 28, 1])
  42. with tf.variable_scope('conv_layer1'):
  43. h_conv1 = skflow.ops.conv2d(X, n_filters=32, filter_shape=[5, 5], bias=True, activation=tf.nn.relu)
  44. h_pool1 = max_pool_2x2(h_conv1)
  45. with tf.variable_scope('conv_layer2'):
  46. h_conv2 = skflow.ops.conv2d(h_pool1, n_filters=64, filter_shape=[5, 5], bias=True, activation=tf.nn.relu)
  47. h_pool2 = max_pool_2x2(h_conv2)
  48. h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])
  49. h_fcl = skflow.ops.dnn(h_pool2_flat, [1024], activation=tf.nn.relu, keep_prob=0.5)
  50. return skflow.models.logistic_regression(h_fcl, y)
  51. classifier = skflow.TensorFlowEstimator(model_fn=conv_model, n_classes=10, batch_size=100, steps=20000,
  52. learning_rate=0.001)
  53. classifier.fit(X_train, y_train)
  54. # 这里不要直接将所有测试样本交给模型进行预测,因为Tensorflow会同时对所有测试样本进行矩阵运算,一次对28000个测试图片进行计算
  55. # 会消耗大量的内存和计算资源,这里采用的是逐批次地对样本进行预测,最后拼接全部预测结果
  56. conv_y_pred = []
  57. import numpy as np
  58. for i in np.arange(100, 28001, 100):
  59. conv_y_pred = np.append(conv_y_pred, classifier.predict(X_test[i - 100:i]))
  60. conv_submission = pd.DataFrame({'ImageId': range(1, 28001), 'Label': np.int32(conv_y_pred)})
  61. conv_submission.to_csv('./conv_submission.csv', index=False)

 



所属网站分类: 技术文章 > python文章

作者:雷神归来

链接: http://www.pythonheidong.com/blog/article/49450/

来源:python黑洞网 www.pythonheidong.com

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

6 0

赞一赞 or 踩一踩

收藏该文
已收藏

评论内容:(最多支持255个字符)

相似文章

  DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测

  【AI实战】手把手教你深度学习文字识别(文字检测篇:基于MSER, CTPN, SegLink, EAST等方法) 原

  机器学习之神经网络识别手写数字(纯python实现)

优质资源排行榜

 python经典电子书大合集下载 下载次数 8104

 零基础java开发工程师视频教程全套,基础+进阶+项目实战(152G) 下载次数 7543

 零基础前端开发工程师视频教程全套,基础+进阶+项目实战(共120G) 下载次数 7438

 零基础大数据全套视频400G 下载次数 7001

 零基础php开发工程师视频教程全套,基础+进阶+项目实战(80G) 下载次数 6891

 零基础软件测试全套系统教程 下载次数 6501

 全套人工智能视频+pdf 下载次数 6436

 IOS全套视频教程 基础班+就业班 下载次数 4679

 编程小白的第一本python入门书(高清版)PDF下载 下载次数 3076

10  effective python编写高质量Python代码的59个有效方法 pdf下载 下载次数 3047

11  Python深度学习 pdf下载 下载次数 3035

12  使用python+pygame开发的小游戏《嗷大喵快跑》源码下载 下载次数 2998

13  python项目开发视频 下载次数 2996

14  python从入门到精通视频(全60集)python视频教程下载 下载次数 2993

15  黑马2017年java就业班全套视频教程 下载次数 2992

16  python实战项目 平铺图像板系统源码下载,适用于想要保存,标记和共享图像,视频和网页的用户 下载次数 2987

17  利用python实现程序内存监控脚本 下载次数 2986

18  老男孩python自动化视频 下载次数 2979

19  树莓派Python编程指南 pdf下载 下载次数 2976

20  尚硅谷Go学科全套视频 下载次数 2972

21  老王python基础+进阶+项目视频教程 下载次数 2971

22  某硅谷Python项目+AI课程+核心基础视频教程 下载次数 2966

23  Web前端实战精品课程 下载次数 2966

24  Python基础教程 pdf下载 下载次数 2962

25  tron python小游戏 下载次数 2962

26  [小甲鱼]零基础入门学习Python 下载次数 2959

27  老男孩python全栈开发15期 下载次数 2958

28  2017最新web前端开发完整视频教程附源码 下载次数 2948

29  最新全套完整JAVAWEB2018开发视频 下载次数 2926

30  Python算法教程_中文版 pdf下载 下载次数 2910

31  Spring boot实战视频6套下载 下载次数 2909

32  python全套视频十五期(116G) 下载次数 2901

33  Python项目实战 下载次数 2882

34  python全自动抢火车票教程-python视频教程下载 下载次数 2882

35  30个小时搞定Python网络爬虫 含源码 下载次数 2881

36  尚硅谷大数据之Hadoop视频 下载次数 2876

37  简明python教程 (A Byte of Python)pdf下载 下载次数 2870

38  Python A~B~C~ python视频教程下载 下载次数 2864

39  数据结构与算法视频(小甲鱼讲解-全) 下载次数 2863

40  web小程序表白天数倒计时源码下载 下载次数 2862

41  python基础视频教程 下载次数 2862

42  Python高性能编程 pdf下载 下载次数 2858

43  Python Cookbook第三版中文PDF下载高清完整扫描原版 下载次数 2856

44  go语言全套视频 下载次数 2852

45  清华学霸尹成Python爬虫视频-ok 下载次数 2845

46  黑马前端36期最全视频和代码 下载次数 2841

47  2018最新全套web前端视频教程+源码下载 下载次数 2839

48  利用Python进行数据分析 pdf下载 下载次数 2834

49  老男孩Python自动化开发12期 老男孩最强一期python高级运维开发课程 第二部分 70GB 下载次数 2832

50  python视频 神经网络 Tensorflow 下载次数 2827