如何動手做一個識別手寫數字的web應用

如何動手做一個識別手寫數字的web應用，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

 01 

進入docker容器

我們使用docker容器，可以終端輸入 ：

docker ps -a

如上圖，找到上次run的容器，我這邊是容器名（NAMES）為suspicious_cori，啟動它，可以終端輸入：

docker start  suspicious_cori

然后，終端再輸入：

docker exec -i -t  suspicious_cori bash

即可在容器中開啟一個交互模式的終端。

終端輸入

jupyter notebook

新建一個notebook

02

加載訓練好的模型

加載上一篇訓練好的模型，在新建的notebook里輸入：

from keras.models import model_from_json

model=model_from_json(open('my_model_architecture.json').read())  

model.load_weights('my_model_weights.h6')

03

讀取需要識別的手寫字圖片

引入用于讀取圖片的庫：

import matplotlib.image as mpimg

讀取位于kerasStudy目錄下的圖片：

img = mpimg.imread('test.png') 

'''

matplotlib只支持PNG圖像，讀取和代碼處于同一目錄下的 test.png ，注意，讀取后的img 就已經是一個 np.array 了，并且已經歸一化處理。

'''

'''

上文的png圖片是單通道圖片（灰度），如果test.png是rgb通道的圖片，可以rgb2gray進行轉化，代碼如下：

def rgb2gray(rgb):

    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

img = rgb2gray(img)

'''

關于圖片的通道，我們可以在photoshop里直觀的查看：

先查看下讀取的圖片數組維度：

print(img.shape)

輸出是(28, 28)

轉化成正確的輸入格式：

img = img.reshape(1, 784)

打印出來看看：

print(img.shape)

輸出是(1, 784)

04

識別的手寫字圖片

輸入：

pre=model.predict_classes(img)   

打印出來即可：

print(pre)

識別出來是6：

1/1 [==============================] - 0s
[6]

看完上述內容，你們掌握如何動手做一個識別手寫數字的web應用的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！