少儿自学编程第43课:用Python,MNIST手写数字识别——亲手训练一个AI

第41课的时候我们用手写数字数据集（digits）训练了一个模型，但那是8x8像素的小图，而且不能保存模型。

Tyree说：“我想训练一个能识别我写的数字的模型，而且能保存下来，下次直接使用。”

要实现这个，那就用MNIST数据集了。它是28x28像素的手写数字图片，更接近真实手写。

而且我们可以用Keras（一个深度学习库）来训练，代码更简单，还能保存模型文件。

今天这课将会讲到怎么用Keras加载MNIST数据集，怎么搭建一个简单的神经网络，怎么训练并保存模型，最后怎么用自己画的数字测试模型。

学完之后，你就会拥有一个属于你自己的手写数字识别AI啦。

01. 安装必要的库

首先我们需要安装`tensorflow`（里面包含了Keras）。在命令行执行：

pip install tensorflow

如果下载慢，可以用国内镜像：

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

要注意的是：`tensorflow` 比较大（几百MB），安装需要几分钟，请耐心等待。如果你之前安装过，可以跳过。

02. 加载MNIST数据集

MNIST数据集包含有60000张训练图片和10000张测试图片，每张是28x28的灰度图（0~255），标签是0~9的数字。

写代码之前还是要先导入：

import tensorflow as tf

from tensorflow import keras

import matplotlib.pyplot as plt

⭐重点讲解：

`keras.datasets.mnist.load_data()` 会自动下载数据集（如果本地没有）。 

训练集6万张，测试集1万张。 

图片像素值0~255，需要归一化到0~1之间（后面我们会做）。

03. 数据预处理

在训练之前，我们需要做好下面两件事：

一是把图片从28x28二维展平成一维（784个像素），因为全连接网络需要一维输入。 

二是把像素值从0~255缩放到0~1，可以加快训练速度并提高稳定性。

⭐重点讲解：

`reshape(-1, 784)` 中的 `-1` 表示自动计算该维度大小（60000或10000）。 

为什么要展平？因为我们的神经网络输入层需要是一维向量。

04. 搭建神经网络模型

我们用最简单的全连接网络：输入层784个神经元，中间层128个神经元（使用ReLU激活函数），输出层10个神经元（使用softmax激活，输出每个数字的概率）。

下面来看看代码怎么写：

⭐重点讲解：

`Sequential` 表示一层层堆叠的网络。 

`Dense` 是全连接层。第一层需要指定 `input_shape`。 

`relu` 是一种激活函数，让网络能学习非线性关系。 

`softmax` 将输出转换成概率分布（10个数字的概率和为1）。 

Tyree看着模型摘要，说：“原来神经网络就是一层层连接起来的！”

05. 编译模型

训练前需要指定优化器、损失函数和评估指标。

代码可以参考下面的：

⭐重点讲解：

`optimizer='adam'`：一种常用的优化算法，能自动调整学习率。 

`loss='sparse_categorical_crossentropy'`：适用于整数标签（0~9）的多分类问题。 

`metrics=['accuracy']`：在训练过程中计算准确率。

06. 训练模型

下面是训练模型代码：

`epochs=5`：训练5轮（每轮看一遍所有训练数据）。 

`validation_split=0.1`：从训练集中拿出10%作为验证集，在训练过程中评估模型效果。 

训练过程会输出每一轮的损失和准确率。通常5轮后，准确率能达到98%左右。

⭐重点讲解：

训练时间取决于你的CPU/GPU，一般几十秒。 

`history` 对象记录了每一轮的损失和准确率，可以用来画图。

07. 评估模型

还要看其效果怎么样，所以要在测试集上评估模型性能：

通常能达到97%以上。

08. 保存模型（重要）

训练好的模型可以保存成文件，下次直接用，不用重新训练，这步非常重要。

这个文件会保存在当前目录，大约几MB。

09. 用自己画的数字测试模型

你可以用画图工具（比如Windows自带的画图）画一个28x28像素的黑色背景白色数字，保存为 `my_digit.png`。

或者用第41课中的鼠标画板程序画一个数字。

下面代码加载保存的模型，识别你自己的数字图片。

⭐重点讲解：

我们使用`cv2.imread` 读取图片，注意要和MNIST的格式一致（白字黑底）。 

如果自己画的图是黑字白底，需要`255 img` 反转。 

`np.argmax(pred)` 取出概率最大的索引，就是预测的数字。

10. 完整代码（可直接运行）

下面来看代码整合一下，整合完后运行看看效果（后面会在评论区贴上代码）：

11. 今天学到了什么

MNIST数据集：经典的手写数字图片集，28x28灰度。 

数据预处理：归一化（除以255）、展平（reshape）。  

Keras模型：`Sequential` 堆叠层，`Dense` 全连接层。  

编译、训练、评估：`compile`, `fit`, `evaluate`。 

模型保存与加载：

`model.save()` 和 `keras.models.load_model()`。  

Tyree训练了自己的模型，准确率达到了97%以上。

他把自己在纸上写的数字拍照后处理后输入模型，模型猜对了，他兴奋地说：“我自己也造了一个AI！”

好了，今天课程就到这，是不是对AI又有了新的认识啦，其实AI也没有那么神秘！

下节课开始学：用摄像头识别手写数字（实时）——把第43课和第42课结合，让摄像头实时识别你写在纸上的数字。