MNIST 숫자 인식

MNIST

0 ~ 9 손글씨 데이터를 이용하여 인식률을 확인하고 그래프를 나타내는 프로그램

주석으로 코드 설명했으니 참고하시기 바랍니다.

import tensorflow as tf
import matplotlib.pyplot as plt
import random

from tensorflow.examples.tutorials.mnist import input_data
# data를 mnist 변수에 대입
# one_hot
mnist = input_data.read_data_sets("MNIST_data/", one_hot = True)

# classes가 10 -> 인식 할 숫자가 0 ~ 9
nb_classes = 10

# X, Y 생성 (?, 784) (?, 10)
# 784는 픽셀 개수 (28 by 28)
X = tf.placeholder(tf.float32, [None, 784])
Y = tf.placeholder(tf.float32, [None, nb_classes])

# 변수 W,b 생성 (784, 10) (10)
W = tf.Variable(tf.random_normal([784, nb_classes]))
b = tf.Variable(tf.random_normal([nb_classes]))

# Softmax
# Cross entropy
# is_correct using arg_max
# Calculate accuracy

# softmax를 이용한 hypothesis 생성
hypothesis = tf.nn.softmax(tf.matmul(X,W) + b)
# Cross entropy
# 0 < value < 1
cost = tf.reduce_mean(-tf.reduce_sum(Y * tf.log(hypothesis) ,axis = 1))
optimizer = tf.train.GradientDescentOptimizer(learning_rate = 0.1).minimize(cost)
# Test model (array)
# hypothesis, Y의 arg_max 값이 같은지 True/False 로 확인
is_correct = tf.equal(tf.arg_max(hypothesis, 1), tf.arg_max(Y, 1))
# accuracy 계산
# is_correct를 float 형으로 바꿔 평균 계산
accuracy = tf.reduce_mean(tf.cast(is_correct, tf.float32))

# parameters
# 1epochs - 전체 데이터 셋을 한번 트레이닝 시킨 것
# batch_size - 몇 개씩 잘라서 학습할 것인지 (메모리 효율)
training_epochs = 20
batch_size = 100

# 세션 열기
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # Training cycle
    # 15번 학습
    for epoch in range(training_epochs):
        avg_cost = 0
        # 전체 Size 를 batch_size로 잘라서 학습
        # 한번에 몇 개씩 학습할 것인지 설정
        total_batch = int(mnist.train.num_examples / batch_size)

        for i in range(total_batch):
            # x_data, y_data
            batch_xs, batch_ys = mnist.train.next_batch(batch_size)
            # cost 계산
            c, _ = sess.run([cost, optimizer], feed_dict={X: batch_xs, Y: batch_ys})
            # batch_size만큼 나눠서 avg_cost와 합 계산
            avg_cost += c / total_batch

        print('Epoch:', '%04d' % (epoch + 1), 'cost =', '{:.9f}'.format(avg_cost))

    print('Training Finish')
    print("Accuracy:", accuracy.eval(session = sess, feed_dict={X:mnist.test.images, Y:mnist.test.labels}))

    # Random 숫자 읽기
    r = random.randint(0, mnist.test.num_examples - 1)
    # test할 data 숫자 읽기
    print("Label:", sess.run(tf.argmax(mnist.test.labels[r:r+1], 1)))
    # hypothesis 대입
    print("Prediction:", sess.run(tf.argmax(hypothesis, 1), feed_dict = {X : mnist.test.images[r:r+1]}))

    plt.imshow(mnist.test.images[r:r+1].reshape(28, 28), cmap = 'Greys', interpolation = 'nearest')
    plt.show()

출처 : 모두를 위한 딥러닝