如何动手做一个识别手写数字的web应用

如何动手做一个识别手写数字的web应用，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

01

进入docker容器

我们使用docker容器，可以终端输入 ：

docker ps -a

如上图，找到上次run的容器，我这边是容器名（NAMES）为suspicious_cori，启动它，可以终端输入：

docker start suspicious_cori

然后，终端再输入：

docker exec -i -t suspicious_cori bash

即可在容器中开启一个交互模式的终端。

终端输入

jupyter notebook

新建一个notebook

02

加载训练好的模型

加载上一篇训练好的模型，在新建的notebook里输入：

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

读取需要识别的手写字图片

引入用于读取图片的库：

import matplotlib.image as mpimg

读取位于kerasStudy目录下的图片：

img = mpimg.imread('test.png')

'''

matplotlib只支持PNG图像，读取和代码处于同一目录下的 test.png ，注意，读取后的img 就已经是一个 np.array 了，并且已经归一化处理。

'''

'''

上文的png图片是单通道图片（灰度），如果test.png是rgb通道的图片，可以rgb2gray进行转化，代码如下：

def rgb2gray(rgb):

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

img = rgb2gray(img)

'''

关于图片的通道，我们可以在photoshop里直观的查看：

先查看下读取的图片数组维度：

print(img.shape)

输出是(28, 28)

转化成正确的输入格式：

img = img.reshape(1, 784)

打印出来看看：

print(img.shape)

输出是(1, 784)

04

识别的手写字图片

输入：

pre=model.predict_classes(img)

打印出来即可：

print(pre)

识别出来是6：

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

看完上述内容，你们掌握如何动手做一个识别手写数字的web应用的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注行业资讯频道，感谢各位的阅读！