TensorFlow与Flask结合识别手写体数字

阅读本文约“2.2分钟”

TensorFlow框架

        ——TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统

        ——可被用于语音识别或图像识别等多项机器学习和深度学习领域

        ——TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统

        ——TensorFlow支持CNN、RNN和LSTM算法，这都是目前在Image，Speech和NLP最流行的深度神经网络模型

MNIST数据集

        ——有Google和纽约大学克朗研究所共同建立的手写数字的数据库

        ——共有70000张训练图像（包括6W张训练图像和1W张测试图像）

        ——所有图像均是0-9的手写数字

MNIST数据集展现形式

Flask框架

        ——是一个轻量级的web应用框架

        ——使用python语言进行编写

训练MNIST数据集

        1、下载数据集

        2、编写训练程序

        3、训练模型

        4、验证训练的模型

使用Flask调用模型

        1、使用训练好的模型

        2、定义参数

        3、通过端进行传参

        4、进行数据验证并返回

整合步骤

        1、训练并生成模型

        2、暴露接口

        3、前端调用

        4、验证并返回结果

 

【手写字数字识别】基于TensorFlow构造线性模型与卷积模型对mnist数据（0-9手写7W+图片）做模型训练，并结合Flask发布ckpt模型，作为Web应用，通过页面调用api做识别。

 

具象化的讲，使用Python与两大框架，对mnist数据集（其本身就是0-9的手写体图片集）进行训练，并将训练后的模型存放在项目中，即ckpt文件，再由Flask暴露路由，由前端将数据传输调用模型计算，验证并返回结果。