首先得先把opencv安裝上。
在pc上我使用的是anaconda,直接輸入:
conda install --channel
.org/menpo opencv3
測試**:
import cv2
print(cv2.__version__)
這一步真簡單,網上也到處能搜到,我這裡就是記個筆記。
第二步,使用opencv來讀取影象:
import cv2
from matplotlib import pyplot as plt
#讀取影象
#顯示影象的方法1
cv2.imshow('test3',img)
k=cv2.waitkey(0)
#顯示影象的方法2
#首先得把grg調換個個頭
為了適合mnist模型,我們還得轉成灰度圖,反色,並縮放到28*28
下面讀取w、b引數,還得把輸入影象畫素歸一化
然後直接計做矩陣乘加、softmax輸出:
import cv2
from matplotlib import pyplot as plt
img =cv2.resize(img, (28, 28), interpolation=cv2.inter_cubic)
img = cv2.cvtcolor(img,cv2.color_bgr2gray)
img = 0xff-img
img = img/255
img = img.reshape(784)
testx = [img]
from numpy import *;
import numpy as np; #這個方式使用numpy的函式時,需要以np.開頭。
import math
import pandas as pd
from pandas import series,dataframe
data = pd.read_csv('mnist_w.csv')
#print(data.shape)
usew = data.values
data = pd.read_csv('mnist_b.csv')
useb = data.values
useb = useb.reshape(1,10)#必須確定大小,否則會出錯
a1 = mat(img);
a2 = mat(usew);
a4 = a1*a2+useb
#計算softmax
etab=[0,0,0,0,0,0,0,0,0,0]
for i in range(0,10):
t = a4[0:,i]
t = t.tolist()[0]
t = t[0]
etab[i] = math.exp(t)
a = sum(etab)
for i in range(0,10):
t = etab[i]
t = t/a
print(t)
print ( "**值=",etab.index(max(etab)) )
最後得到輸出:
0.0303718806336
0.0306637445764
0.0985644947741
0.496698573451
0.0684541058624
0.193191997366
0.0177791782552
0.0252268936033
0.0210481976761
0.0180009338012
**值= 3
明顯,**值為3,並且結果和直接呼叫tensorflow一致!
在樹莓派上建立乙個最簡單手寫體識別系統(一)
目標,在樹莓派上建立乙個最簡單的手寫體識別系統。規劃如下 1 在pc上做使用tensorflow做乙個最簡單的softmax模型,把模型引數全部儲存下來 2 在pc上,使用python讀取模型引數,編寫模型 使用opencv讀取,模型 3 將 直接挪到樹莓派上執行,並測試模型 時間 1 coding...
建立乙個最簡單的VST
vst外掛程式在國內 人中還是被廣泛使用的,從0開始開發vst外掛程式,我個人想著還是從vst開始比較好。因為win32的基礎不是很好,動態鏈結庫的程式設計也不清楚,所以吃了很多苦頭。廢話戛然而止。第一步使用vs2013 新建工程,win32工程,dll,空專案,匯出符號。這裡我一開始新建的是mfc...
讓我們一起在樹莓派上編寫第乙個程式吧
入手樹莓派開始慢慢折騰,從基礎開始記錄,慢慢提高,高手繞過。預設已經裝好作業系統並啟動進入樹莓派操作介面 1.在編寫更改下樹莓派的vi編譯器,因為自帶的有點彆扭,狀態不顯示,退格退不了 前提網路已連線好 刪除自帶的,輸入命令,remove刪除 sudo apt get remove vim comm...