TensorFlow與Flask結合識別手寫體數字

閱讀本文約「2.2分鐘」

TensorFlow框架

        ——TensorFlow是谷歌基於DistBelief進行研發的第二代人工智能學習系統

        ——可被用於語音識別或圖像識別等多項機器學習和深度學習領域

        ——TensorFlow是將複雜的數據結構傳輸至人工智能神經網中進行分析和處理過程的系統

        ——TensorFlow支持CNN、RNN和LSTM算法，這都是目前在Image，Speech和NLP最流行的深度神經網絡模型

MNIST數據集

        ——有Google和紐約大學克朗研究所共同創建的手寫數字的數據庫

        ——共有70000張訓練圖像（包括6W張訓練圖像和1W張測試圖像）

        ——全部圖像均是0-9的手寫數字

MNIST數據集展示形式

Flask框架

        ——是一個輕量級的web應用框架

        ——使用python語言進行編寫

訓練MNIST數據集

        一、下載數據集

        二、編寫訓練程序

        三、訓練模型

        四、驗證訓練的模型

使用Flask調用模型

        一、使用訓練好的模型

        二、定義參數

        三、經過端進行傳參

        四、進行數據驗證並返回

整合步驟

        一、訓練並生成模型

        二、暴露接口

        三、前端調用

        四、驗證並返回結果

 

【手寫字數字識別】基於TensorFlow構造線性模型與卷積模型對mnist數據（0-9手寫7W+圖片）作模型訓練，並結合Flask發佈ckpt模型，做爲Web應用，經過頁面調用api作識別。

 

具象化的講，使用Python與兩大框架，對mnist數據集（其自己就是0-9的手寫體圖片集）進行訓練，並將訓練後的模型存放在項目中，即ckpt文件，再由Flask暴露路由，由前端將數據傳輸調用模型計算，驗證並返回結果。