51Testing软件测试论坛

 找回密码
 (注-册)加入51Testing

QQ登录

只需一步,快速开始

微信登录,快人一步

手机号码,快捷登录

查看: 3110|回复: 2
打印 上一主题 下一主题

[python] python从入门到放弃——tensorflow

[复制链接]
  • TA的每日心情
    擦汗
    3 天前
  • 签到天数: 527 天

    连续签到: 4 天

    [LV.9]测试副司令

    跳转到指定楼层
    1#
    发表于 2018-10-31 15:55:05 | 只看该作者 回帖奖励 |正序浏览 |阅读模式
    最近公司安排学习python,同时研究一下深度学习,人工智能识别,最后的目的就是实现利用机器学习自动完成影像的对别,识别房屋,自动生成地形图等。总之走在时尚最前沿了,说干就干,但是入门的路上坑真的太多,写在这里算是提醒,总结,也可以作为后的某一天的回味吧。
      首先感谢一下我的领导,提供了学习环境和机会,感激。
    一、利用软件Tesseract-OCR和 模块pytesseract,PIL实现对图片中文字进行识别,程序代码很简单:

    1. from PIL import Image
    2. import pytesseract
    3. #text = pytesseract.image_to_string(Image.open("1.jpg"),lang="chi_sim")
    4. image = Image.open("1.jpg")
    5. text = pytesseract.image_to_string(image,lang="chi_sim")
    6. print(text)
    复制代码
    软件安装注意的就是tess中要设置中文,然后是环境变量,环境变量真的重要,现在才明白控制台为什么
    都不执行相关的命令了,环境变量path中添加,然后  ;隔开输入软件的安装路径。
    其实安装都可以利用pip,只是貌似pil这个版本有问题吧,单独下载安装,至于pytesseract则需要打开.py改动里面的文件路径,最后输入图片就可以识别了。
    二、其实上面的都是走了弯路,包括接触TensorFlow的安装也走了一些弯路,不过最后还是能用。

    TensorFlow的安装方式很多,要有两个软件protocol buffer和bazel。安装一开始使用docker,费尽周折,不过这个软件可以留着使用了。然后用pip安装 直接输入:

    pip install tensorflow
    安装完毕,环境没配置好,也许是方法太复杂,越复杂越容易出问题。
    TensorFlow使用

    首先是载入
    import tensorflow as tf #使用tf代替模块名称
    graph (图表) 查看计算图 创建计算图
    tf.get_default_graph 获取计算图
    创建计算图
    g1 = tf.graph
    with g1.as_default():#定义g1中的变量V
    v = tf.get_variable(
    "v",initializer = tf.zeros_initializer(shape=[1]))#初始化值为0
    #读取
    with tf.Session(graph=g1) as sess:
    tf.initializer_all_variable().run()
    with tf.variable_scope("",reuse=ture) :
    print(sess.run(tf.get_variable("v")))
    --------------------------------------------分割线---2018.10.19-------------------------------------------------------------------------------
    五个月后再看这篇文章,虽然现在进步依旧不大,但是感觉之前却说的一塌糊涂.再总结一下.
    首先不画一张图是说不明白了.检测零件是否合格,两个特征,建立一个隐藏层,输出层

    x1,x2输入层矩阵二维的x = [[0.7,0.9]]

    接着到隐藏层,其实就是输入层到隐藏层之间的权重组成的矩阵w1,和输入层的二维矩阵x进行计算,,同理从隐藏层到输出层也是.因此利用TensorFlow进行定义矩阵并计算代码如下.
    1. import tensorflow as tf
    2. #,stddev=1,seed=1))#两个输入,三个节点,形成二行三列的矩阵,stddve,标准差,seed随机种子
    3. w1 = tf.Variable(tf.random_normal([2,3]))
    4. #三个节点,一个输出定义一个三行一列的矩阵.
    5. w2 = tf.Variable(tf.random_normal([3,1]))
    6. #x就是输入层的二维矩阵
    7. x = tf.constant([[0.7,0.5]])
    8. #tf.matmul()计算矩阵乘法
    9. a = tf.matmul(x,w1)#输入层到隐藏层的计算
    10. y = tf.matmul(a,w2)#隐藏层到输出层的计算

    11. with tf.Session() as sess:#定义会话,利用上下文管理器实现资源回收
    12.     sess.run(w1.initializer)#变量需要初始化,x为常量不需要
    13.     sess.run(w2.initializer)
    14.     print(sess.run(y))#利用此方法得到y的取值
    复制代码





    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有帐号?(注-册)加入51Testing

    x
    分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
    收藏收藏
    回复

    使用道具 举报

    本版积分规则

    关闭

    站长推荐上一条 /1 下一条

    小黑屋|手机版|Archiver|51Testing软件测试网 ( 沪ICP备05003035号 关于我们

    GMT+8, 2024-11-18 09:42 , Processed in 0.066875 second(s), 24 queries .

    Powered by Discuz! X3.2

    © 2001-2024 Comsenz Inc.

    快速回复 返回顶部 返回列表