# hwn

**Repository Path**: jtyoui/hwn

## Basic Information

- **Project Name**: hwn
- **Description**: PaddlePaddle书写数字识别，准确率99.2%
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2019-07-25
- **Last Updated**: 2021-05-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# **手写数字识别** [![](https://gitee.com/tyoui/logo/raw/master/logo/photolog.png)][1]

## 这是基于mnist数据做的手写数字识别
[![](https://img.shields.io/badge/个人网站-jtyoui-yellow.com.svg)][1]
[![](https://img.shields.io/badge/Python-3.7-green.svg)]()
[![](https://img.shields.io/badge/BlogWeb-Tyoui-bule.svg)][1]
[![](https://img.shields.io/badge/Email-jtyoui@qq.com-red.svg)]()
[![](https://img.shields.io/badge/手写数字识别-paddlepaddle-black.svg)]()


    
## pip安装第三方包
    numpy
    pillow
    paddlepaddle-gpu==1.5.0.post97

## 实验参数
    window 10
    python 3.7
    GPU GeForce GTX 1060 5GB
    CUDA 9.2
    cudnn 7.6

## 默认是CPU训练
    place = fluid.CUDAPlace(0)  # 开启GPU
    place = fluid.CPUPlace()  # 开启CPU


## 核心算法

    定义了两层卷积
    pool_1 = fluid.nets.simple_img_conv_pool(
                                            input=images,
                                            filter_size=5,
                                            num_filters=20,
                                            pool_size=2,
                                            pool_stride=2,
                                            act='relu')
    
    pool_2 = fluid.nets.simple_img_conv_pool(
                                            input=pool_1,
                                            filter_size=5,
                                            num_filters=50,
                                            pool_size=2,
                                            pool_stride=2,
                                            act='relu')
        
    predict = fluid.layers.fc(
                            input=pool_2,
                            size=size,
                            act='softmax',
                            param_attr=fluid.initializer.NormalInitializer(loc=0.0, scale=scale))

## 使用
    训练train.py
    python ./train.py
    
## 保存模型
    dirname为保存模型的文件夹名字
    fluid.io.save_inference_model(dirname='./model',feeded_var_names=["image"],target_vars=[predict],executor=exe)

## 测试
    加载图片。图片在本文档image，顺便在网络上找的几张
    tensor_img = load_image('./image/9.jpg')
    
## 测试结果
![9.jpg](./image/9.jpg)

        是0的概率为：0.02503%
        是1的概率为：0.00000%
        是2的概率为：0.00465%
        是3的概率为：2.71226%
        是4的概率为：0.00007%
        是5的概率为：0.04866%
        是6的概率为：0.00000%
        是7的概率为：0.00000%
        是8的概率为：0.09439%
        是9的概率为：97.11494%
    
    
***
[1]: https://blog.jtyoui.com