使用python搭建mnist全连接神经网络

通过模块化的编程思想，运用Tensorflow搭建的全连接神经网络，代码包括5个文件，分别为generateds.py;forward.py;backward.py;test.py;appMnist.py，分别对应生成数据集，前向传播，反向传播，测试模型，运用模型做预测的功能

import tensorflow as tf
import numpy as np
import forward
import backward
from PIL import Image

def restore_model（testpicArr）:
    #创建一个默认图，在该图中执行以下操作（多数操作和train中一样）
    with tf.Graph（）.as_default（） as tg:
        x = tf.placeholder（tf.float32[Noneforward.INPUT_NODE]）
        y = forward.forward（（xNone））
        preValue = tf.argmax（y1） #得到概率最大的预测值

        variable_averages = tf.train.ExponentialMovingAverage（backward.MOVING_AVERAGE_DECAY）
        variables_to_restore = variable_averages.variables_to_restore（）
        saver = tf.train.Saver（variables_to_restore）

        with tf.Session（） as sess:
            #通过chechpoint文件定位到罪行保存的模型
            ckpt = tf.train.get_checkpoint_state（backward.MODEL_SAVE_PATH）
            if ckpt and ckpt.model_checkpoint_path:
                saver.restore（sessckpt.model_checkpoint_path）
                preValue = sess.run（preValuefeed_dict={x:testpicArr}）
                return preValue
            else:
                print（“No checkpoint file found“）
                return -1

#预处理函数，包括resize，转变灰度图，二值化
def pre_pic（picName）:
    img = Image.open（picName）
    #用消除锯齿的方法把原始图片尺寸改为28*28
    reIm = img.resize（（2828）Image.ANTIALIAS）
    #把图片转化为灰度图并转化为矩阵的形式赋值给im_arr
    im_arr = np.array（reIm.convert（‘L‘））
    #二值化处理
    threshold = 50    #设置合理阈值
    for i in range（28）:
        for j in range（28）:
            im_arr[i][j] = 255 - im_arr[i][j]
            if （im_arr < threshold）:
                im_arr[i][j] = 0
            else:im_arr[i][j] = 255

    nm_arr = im_arr.reshape（[1784]）
    nm_arr = nm_arr.astype（np.float32）
    #转为0，1的浮点数
    img_ready = np.multiply（nm_arr1.0/255.0）

    return img_ready

def application（）:
    testNum = input（“Input the number of test picture;“）
    for i in range（testNum）:
        testPic = input（“The path of test picture:“）
        testPicArr = pre_pic（testPic）
        preValue = restore_model（testPicArr）
        print（“the prediction number is:“preValue）

def main（）:
    application（）

if __name__ == “__main__“:
    main（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-16 19:45  mnist\
     目录           0  2019-03-16 19:45  mnist\.idea\
     文件         138  2019-03-15 16:33  mnist\.idea\encodings.xml
     目录           0  2019-03-16 19:45  mnist\.idea\inspectionProfiles\
     文件         306  2019-03-15 19:11  mnist\.idea\misc.xml
     文件         649  2019-03-15 20:10  mnist\.idea\mnist.iml
     文件         269  2019-03-15 19:10  mnist\.idea\modules.xml
     文件         239  2019-03-15 20:10  mnist\.idea\other.xml
     文件       17597  2019-03-16 19:41  mnist\.idea\workspace.xml
     目录           0  2019-03-16 19:45  mnist\__pycache__\
     文件         926  2019-03-15 17:27  mnist\__pycache__\forward.cpython-36.pyc
     文件         932  2019-03-15 19:14  mnist\__pycache__\forward.cpython-37.pyc
     文件        2349  2019-03-16 16:42  mnist\appMnist.py
     文件        3060  2019-03-16 19:41  mnist\backward.py
     文件         716  2019-03-15 19:14  mnist\forward.py
     文件        5574  2019-03-16 19:41  mnist\generateds.py
     文件        1912  2019-03-16 19:41  mnist\test.py