人工智能基础与应用 V8-1 手写数字识别项目介绍.pptxVIP

手写数字识别项目介绍介绍本项目中网络采用卷积神经网络，为了保证整个项目的完整性，在训练过程中的不仅要显示损失或者准确率，而且在训练完成后需要保存得到的模型，利用模型和预测网络调用摄像头实时预测新的图像，这张图像可以是数据集中的，也可以是自己手写的。通过实现整个过程，将OpenCV、神经网络以及TensorFlow结合起来学习。训练过程介绍模型存储通过TensorFlow框架实现一个类似于LeNet-5的神经网络来解决在MNIST数据集上的手写数字识别问题，本章节训练过程依然使用该网络，并且在最后训练出模型，模型文件以变量的形式存储参数，该变量需要在代码中初始化。在训练过程中，将更新的参数存储到变量中，使用tf.train.Saver()对象，将所有的变量添加到Graph中。模型文件model.meta是训练过程中保存的元数据，model.data-00000-of-00001和model.index是检查点文件，存储着训练过程中保存的模型，checkpoint是记录文件，保存最新检查点文件的记录。预测过程使用训练好的模型，识别新图像，根据图像来源不同，使用读取图片以及使用摄像头实时的帧实现数字识别。