机器学习训练手写数字识别（四）

接上帖：
下面为项目入口以及训练结果界面展示。
入口 main.py

import numpy as np
import tensorflow as tf
from flask import Flask, jsonify, render_template, request
import json
from mnist import model

x = tf.placeholder('float', [None, 784])
sess = tf.Session()

with tf.variable_scope("regression"):
    y1, variables = model.regression(x)
saver = tf.train.Saver(variables)
saver.restore(sess, "mnist/data/regression.ckpt")

with tf.variable_scope("convolutional"):
    keep_prob = tf.placeholder('float')
    y2, variables = model.convolutional(x, keep_prob)
saver = tf.train.Saver(variables)
saver.restore(sess, "mnist/data/convolutional.ckpt")


def regression(input):
    return sess.run(y1, feed_dict={x: input}).flatten().tolist()


def convolutional(input):
    return sess.run(y2, feed_dict={x: input, keep_prob: 1.0}).flatten().tolist()


app = Flask(__name__)


@app.route('/api/mnist', methods=['post'])
def mnist():
    input = ((255 - np.array(request.json, dtype=np.uint8)) / 255.0).reshape(1, 784)
    output1 = regression(input)
    output2 = convolutional(input)

    output = {}
    output["output1"] = output1
    output["output2"] = output2
    res = []
    res.append(output)
    a = {}
    a['site'] = res
    mydata = json.dumps(a, ensure_ascii=False).encode("utf8")
    return mydata


@app.route('/')
def main():
    return render_template('index.html')


if __name__ == "__main__":
    app.debug = True
    app.run(port=9000)

此为结果展示界面，初始线性和卷积的颜色未进行调整，可暂时忽略：

接下来鼠标写出 5，此时线性模型认为 62% 概率识别为 5， 卷积模型 78% 识别为 5. 卷积模型的训练效果更好：

接下来鼠标写出 7，此时线性模型认为 30% 概率识别为 7， 卷积模型 100% 识别为 7. 卷积模型的训练效果更好：

对于非联网验证码部分的识别，在通过机器学习的方法上，是一种可设想的解决方案。实际情况比此场景更复杂很多。
链接: https://pan.baidu.com/s/1V0PKxeVpFxOSPgt3CY9LKQ 提取码: bevd