利用Tensorflow训练好的模型，图片进行预测和识别，并输出相应的标签和预测概率。
如果想要多张图片，可以进行批次加载和预测，这里仅用单张图片进行演示。
模型文件：
预测图片：
这里直接贴代码，都有注释，应该很好理解
import tensorflow as tf
import inference
image_size = 128 # 输入层图片大小
# 模型保存的路径和文件名
MODEL_SAVE_PATH = model/
MODEL_NAME = model.ckpt
# 加载需要预测的图片
image_data = tf.gfile.FastGFile(./data
2021-06-21 10:40:16
65KB
1
一份基于cnn的手写数字自识别的代码，供大家参考，具体内容如下
# -*- coding: utf-8 -*-
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 加载数据集
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
# 以交互式方式启动session
# 如果不使用交互式session，则在启动session前必须
# 构建整个计算图，才能启动该计算图
sess = tf.Interactiv
2021-06-16 20:44:12
64KB
1
ES2A THRU ES2J SOD-123FL YONGYUTAI
2021-06-15 13:02:39
987KB
1
泰坦尼克数据集下载
训练集
测试集
导入需要的库
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import pandas as pd
加载数据集
train_file = './data/titanic/train.csv'
eval_file = './data/titanic/eval.csv'
train_df = pd.read_csv(train_file)
eval_df = pd.read_csv(eval_file)
print(train_df.head())
print(eva
2021-06-12 16:15:26
96KB
1
FR101 THRU FR107 SOD-123FL YONGYUTAI
2021-06-08 16:01:47
3.01MB
1
本文介绍了python使用tensorflow深度学习识别验证码 ，分享给大家，具体如下：
除了传统的PIL包处理图片,然后用pytessert+OCR识别意外,还可以使用tessorflow训练来识别验证码。
此篇代码大部分是转载的，只改了很少地方。
代码是运行在linux环境，tessorflow没有支持windows的python 2.7。
gen_captcha.py代码。
#coding=utf-8
from captcha.image import ImageCaptcha # pip install captcha
import numpy as np
import matpl
2021-06-01 22:56:06
69KB
1