[CNN template]利用自己準備的圖集進行訓練與預測

以上次進行的例子(用 TensorFlow 架構CNN網路層 來做手寫數字辨識)，我們是使用mnist提供的資料集來做訓練與預測，但是如果想將訓練及與測試集都換成自己準備的圖片，我們該怎麼做呢？

最直接的直觀懶惰的方式就是把圖片轉成跟mnist一樣啊！！

所以首先我們來看看mnist內圖片的樣子，

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
print mnist.test.images[0]

簡單來說：

1. 格式是numpy.array
2. 大小是28 * 28
3. 黑白圖像
4. 一維陣列

所以根據這些，我射出以下方法：（圖片大小用動態的，未來便不會侷限在28*28的圖像）

def ResizeAndConToNumpyArray(pic,X_size,Y_size):
    gray = pic.convert('L')
    gray_rz = gray.resize((X_size,Y_size), Image.ANTIALIAS)
    np_gray= np.array(gray_rz,float)
    np_gray = np_gray.ravel()
    np_gray /= 255
    return np_gray

然後再用迴圈建立新的numpy.array，內容為[圖像,答案]，大概長的是下面這個樣子，

[
[[0…,0…..,0….],0],
[[0…,0…..,0….],1],
[[0…,0…..,0….],2],…..
]

然後為了免去一張一張圖對上答案後手動加入的麻煩，我建立了TraingData資料夾，裡面包跨0,1,2…..,9共10個資料夾，只要分類放好之後，之後會依照這個圖片分組方式進行訓練與預測。

訓練圖像的標準答案以資料夾名稱分類，預測結果為與哪個組別最為接近。

[手寫影像辨識]架構CNN影像辨識樣板

以下為成功圖：

訓練：

（匯入訓練用圖像 ｜ 進行訓練與測試準度：使用10000張手寫圖片訓練後成功率到達86%）

預測：

訓練完後重複使用也沒有問題！

（打開圖像並進行預測 ｜ 預測結果與信心指數（％））

這邊是本次結果的程式碼 github:https://github.com/Chunshan-Theta/CnnTemplate