用TensorFlow做图像识别（python）

一、TensorFlow简介

TensorFlow是由谷歌开发的一套机器学习的工具，使用方法很简单，只需要输入训练数据位置，设定参数和优化方法等，TensorFlow就可以将优化结果显示出来，节省了很大量的编程时间，TensorFlow的功能很多很强大，这边挑选了一个比较简单实现的方法，就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别，让机器找出规律，然后再导入新的数字让机器识别。

二、流程介绍

上图是TensorFlow的流程，可以看到一开始要先将参数初始化，然后导入训练数据，计算偏差，然后修正参数，再导入新的训练数据，不断重复，当数据量越大，理论上参数就会越准确，不过也要注意不可训练过度。

三、导入数据

数据可进入MNIST数据库 (Mixed National Institute of Standards and Technology database)，这是一个开放的数据库，里面有许多免费的训练数据可以提供下载，这次我们要下载的是手写的阿拉伯数字，为什么要阿拉伯数字呢？1、因为结果少，只有十个，比较好训练 2、图片的容量小，不占空间，下面是部分的训练数据案例

TensorFlow可以直接下载MNIST上的训练数据，并将它导入使用，下面为导入数据的代码

from tensorflow.examples.tutorials.mnist import input_data
MNIST = input_data.read_data_sets("/data/mnist", one_hot=True)

四、设定参数

接下来就是在TensorFlow里设定逻辑回归的参数，我们知道回归的公式为Y=w*X+b，X为输入，Y为计算结果，w为权重参数，b为修正参数，其中w和b就是我们要训练修正的参数，但训练里要怎么判断计算结果好坏呢？就是要判断计算出来的Y和实际的Y损失值（loss）是多少，并尽量减少loss，这边我们使用softmax函数来计算，softmax函数在计算多类别分类上的表现比较好，有兴趣可以百度一下，这边就不展开说明了，下面为参数设定

X = tf.placeholder(tf.float32, [batch_size, 784], name="image")
Y = tf.placeholder(tf.float32, [batch_size, 10], name="label")

X为输入的图片，图片大小为784K，Y为实际结果，总共有十个结果（数字0-9）

w = tf.Variable(tf.random_normal(shape=[784, 10], stddev=0.01), name="weights")
b = tf.Variable(tf.zeros([1, 10]), name="bias")

w初始值为一个随机的变数，标准差为0.01，b初始值为0。

logits = tf.matmul(X, w) + b
entropy = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y)
loss = tf.reduce_sum(entropy)

TensorFlow里面已经有softmax的函数，只要把他叫出来就可以使用。

optimizer =
tf.train.GradientDescentOptimizer(learning_rate=learning_rate).minimize(loss)
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    n_batches = int(MNIST.train.num_examples/batch_size)
    for i in range(n_epochs): # train the model n_epochs times
        for _ in range(n_batches):
            X_batch, Y_batch = MNIST.train.next_batch(batch_size)
            sess.run([optimizer, loss], feed_dict={X: X_batch, Y:Y_batch})        

接着就是设定优化方式，这边是使用梯度降下发，然后将参数初始化，接着就运行了，这边要提一下，我们的训练方式是每次从训练数据里面抓取一个batch的数据，然后进行计算，这样可以预防过度训练，也比较可以进行事后的验证，运行完后再用下面的代码进行验证

    n_batches = int(MNIST.test.num_examples/batch_size)
    total_correct_preds = 0
    for i in range(n_batches):
        X_batch, Y_batch = MNIST.test.next_batch(batch_size)
        _, loss_batch, logits_batch = sess.run([optimizer, loss, logits],
        feed_dict={X: X_batch, Y:Y_batch})
        preds = tf.nn.softmax(logits_batch)
        correct_preds = tf.equal(tf.argmax(preds, 1), tf.argmax(Y_batch, 1))
        accuracy = tf.reduce_sum(tf.cast(correct_preds, tf.float32))
        total_correct_preds += sess.run(accuracy)
    print ("Accuracy {0}".format(total_correct_preds/MNIST.test.num_examples))

最后shell跑出来的结果是0.916，虽然看上去还算是不错的结果，但其实准确率是很低的，因为他验证的方式是判断一个图片是否为某个数字（单输出），所以假如机器随便猜也会有0.82左右的命中几率（0.9*0.9+0.1*0.1），想要更准确的话目前想到有两个方向，一个是提高训练量和增加神经网络的层数。