手寫識別演算法python

A. 新手學習python中KNN演算法的手寫識別出現問題 求助

參考了其他博主的代碼 想試著運行 然後去理解。結果一直報錯，希望大神幫幫忙。
import numpy as np
import os
import kNN

def img2vector(filename):
"""函數將以文本格式出現的32*32的0-1圖片，轉變成一維特徵數組，返回一維數組

Keyword argument:
filename -- 文本格式的圖片文件
"""

imgvect = np.zeros((1, 1024))
fr = open(filename)
for i in range(32):
linestr = fr.readline()
for j in range(32):
imgvect[0, 32*i + j] = int(linestr[j])
return imgvect

def handwriteClassfiy(testfile, trainfile, k):
"""函數將trainfile中的文本圖片轉換成樣本特徵集和樣本類型集，用testfile中的測試樣本測試，無返回值

Keyword argument:
testfile -- 測試圖片目錄
trainfile -- 樣本圖片目錄
"""

trainFileList = os.listdir(trainfile)
trainFileSize = len(trainFileList)
labels = []
trainDataSet = np.zeros((trainFileSize, 1024))
for i in range(trainFileSize):
filenameStr = trainFileList[i]
digitnameStr = filenameStr.split('.')[0]
digitLabels = digitnameStr.split('_')[0]
labels.append(digitLabels)
trainDataSet[i, :] = img2vector(trainfile + '/' + filenameStr)
testFileList = os.listdir(testfile)
testNumber = len(testFileList)
errorcount = 0.0
for testname in testFileList:
testdigit = img2vector(testfile + '/' + testname)
classifyresult = kNN.classfiy(testdigit, trainDataSet, labels, k)
testStr = testname.split('.')[0]
testDigitLabel = testStr.split('_')[0]
if classifyresult != testDigitLabel:
errorcount += 1.0
#print('this test real digit is：%s, and the result is: %s' % (testDigitLabel, classifyresult))
print('k = %d, errorRatio is: %f' % (k, errorcount/float(testNumber)))
return

if __name__ == '__main__':
filename = 'C:/Users/lx/Desktop/MachineLearning-master/kNN/use Python and NumPy/testDigits/0_1.txt'
traindir= 'C:/Users/lx/Desktop/MachineLearning-master/kNN/use Python and NumPy/trainingDigits'
testdir = 'C:/Users/lx/Desktop/MachineLearning-master/kNN/use Python and NumPy/testDigits'
handwriteClassfiy(testdir, traindir, 3)
錯誤提示Traceback (most recent call last):
File "kNN.py", line 56, in <mole>
handwriteClassfiy(testdir, traindir, 3)
File "kNN.py", line 43, in handwriteClassfiy
classifyresult = kNN.classfiy(testdigit, trainDataSet, labels, k)
AttributeError: mole 'kNN' has no attribute 'classfiy'
你這個文件是不是就叫 kNN.py ？如果是的話那你這個裡面根本就沒有 classfiy 這個屬性，當然會報錯。

另外，import kNN 是 import 自己？

B. 如何快速使用Python神經網路識別手寫字元

CNN卷積神經網路是一種深度模型。它其實老早就已經可以成功訓練並且應用了（最近可能deep learning太火了，CNNs也往這裡面靠。雖然CNNs也屬於多層神經網路架構，但把它置身於DL家族，還是有不少人保留自己的理解的）。

C. python svm 怎麼訓練模型

支持向量機SVM(Support Vector Machine)是有監督的分類預測模型，本篇文章使用機器學習庫scikit-learn中的手寫數字數據集介紹使用Python對SVM模型進行訓練並對手寫數字進行識別的過程。

准備工作

手寫數字識別的原理是將數字的圖片分割為8X8的灰度值矩陣，將這64個灰度值作為每個數字的訓練集對模型進行訓練。手寫數字所對應的真實數字作為分類結果。在機器學習sklearn庫中已經包含了不同數字的8X8灰度值矩陣，因此我們首先導入sklearn庫自帶的datasets數據集。然後是交叉驗證庫，SVM分類演算法庫，繪制圖表庫等。

讀取並查看數字矩陣

從sklearn庫自帶的datasets數據集中讀取數字的8X8矩陣信息並賦值給digits。

查看其中的數字9可以發現，手寫的數字9以64個灰度值保存。從下面的8×8矩陣中很難看出這是數字9。

以灰度值的方式輸出手寫數字9的圖像，可以看出個大概輪廓。這就是經過切割並以灰度保存的手寫數字9。它所對應的64個灰度值就是模型的訓練集，而真實的數字9是目標分類。我們的模型所要做的就是在已知64個灰度值與每個數字對應關系的情況下，通過對模型進行訓練來對新的手寫數字對應的真實數字進行分類。

從混淆矩陣中可以看到，大部分的數字SVM的分類和預測都是正確的，但也有個別的數字分類錯誤，例如真實的數字2，SVM模型有一次錯誤的分類為1，還有一次錯誤分類為7。

D. Python手寫識別怎麼識

importos
importOperatePictureasOP
importOperateDatabaseasOD
importPictureAlgorithmasPA
importcsv

##Essentialvavriable基礎變數
#Standardsize標准大小
N=100
#Graythreshold灰度閾值
color=200/255

n=10

#讀取原CSV文件
reader=list(csv.reader(open('Database.csv',encoding='utf-8')))
#清除讀取後的第一個空行
delreader[0]
#讀取num目錄下的所有文件名
fileNames=os.listdir(r"./num/")
#對比fileNames與reader，得到新增的圖片newFileNames
newFileNames=OD.NewFiles(fileNames,reader)
print('Newpicturesare:',newFileNames)
#得到newFilesNames對應的矩陣
pic=OP.GetTrainPicture(newFileNames)
#將新增圖片矩陣存入CSV中
OD.SaveToCSV(pic,newFileNames)
#將原資料庫矩陣與新資料庫矩陣合並
pic=OD.Combination(reader,pic)

#得到待識別圖片
testFiles=os.listdir(r"./test/")
testPic=OP.GetTestPicture(testFiles)

#計算每一個待識別圖片的可能分類
result=PA.CalculateResult(testPic,pic)
foriteminresult:
foriinrange(n):
print('第'+str(i+1)+'個向量為'+str(item[i+n])+',距離為'+str(item[i]))

E. 花了2萬多買的Python70個項目，現在分享給大家，練手進廠靠它了

前言：

不管學習哪門語言都希望能做出實際的東西來，這個實際的東西當然就是項目啦，不用多說大家都知道學編程語言一定要做項目才行。

這里整理了70個Python實戰項目列表，都有完整且詳細的教程，你可以從中選擇自己想做的項目進行參考學習練手，你也可以從中尋找靈感去做自己的項目。

1、【Python 圖片轉字元畫】

2、【200行Python代碼實現2048】

3、【Python3 實現火車票查詢工具】

4、【高德API+Python解決租房問題 】

5、【Python3 色情圖片識別】

6、【Python 破解驗證碼】

7、【Python實現簡單的Web伺服器】

8、【pygame開發打飛機 游戲 】

9、【Django 搭建簡易博客】

10、【Python基於共現提取《釜山行》人物關系】

11、【基於scrapy爬蟲的天氣數據採集(python)】

12、【Flask 開發輕博客】

13、【Python3 圖片隱寫術】

14、【Python 實現簡易 Shell】

15、【使用 Python 解數學方程】

16、【PyQt 實現簡易瀏覽器】

17、【神經網路實現手寫字元識別系統 】

18、【Python 實現簡單畫板】

19、【Python實現3D建模工具】

20、【NBA常規賽結果預測——利用Python進行比賽數據分析】

21、【神經網路實現人臉識別任務】

22、【Python文本解析器】

23、【Python3 & OpenCV 視頻轉字元動畫】

24、【Python3 實現淘女郎照片爬蟲 】

25、【Python3實現簡單的FTP認證伺服器】

26、【基於 Flask 與 MySQL 實現番劇推薦系統】

27、【Python 實現埠掃描器】

28、【使用 Python 3 編寫系列實用腳本】

29、【Python 實現康威生命 游戲 】

30、【川普撞臉希拉里(基於 OpenCV 的面部特徵交換) 】

31、【Python 3 實現 Markdown 解析器】

32、【Python 氣象數據分析 -- 《Python 數據分析實戰》】

33、【Python實現鍵值資料庫】

34、【k-近鄰演算法實現手寫數字識別系統】

35、【ebay在線拍賣數據分析】

36、【Python 實現英文新聞摘要自動提取 】

37、【Python實現簡易區域網視頻聊天工具】

38、【基於 Flask 及爬蟲實現微信 娛樂 機器人】

39、【Python實現Python解釋器】

40、【Python3基於Scapy實現DDos】

41、【Python 實現密碼強度檢測器】

42、【使用 Python 實現深度神經網路】

43、【Python實現從excel讀取數據並繪製成精美圖像】

44、【人機對戰初體驗:Python基於Pygame實現四子棋 游戲 】

45、【Python3 實現可控制肉雞的反向Shell】

46、【Python打造漏洞掃描器 】

47、【Python應用馬爾可夫鏈演算法實現隨機文本生成】

48、【數獨 游戲 的Python實現與破解】

49、【使用Python定製詞雲】

50、【Python開發簡單計算器】

51、【Python 實現 FTP 弱口令掃描器】

52、【Python實現Huffman編碼解壓縮文件】

53、【Python實現Zip文件的暴力破解 】

54、【Python3 智能裁切圖片】

55、【Python實現網站模擬登陸】

56、【給Python3爬蟲做一個界面.妹子圖網實戰】

57、【Python 3 實現圖片轉彩色字元】

58、【自聯想器的 Python 實現】

59、【Python 實現簡單濾鏡】

60、【Flask 實現簡單聊天室】

61、【基於PyQt5 實現地圖中定位相片拍攝位置】

62、【Python實現模板引擎】

63、【Python實現遺傳演算法求解n-queens問題】

64、【Python3 實現命令行動態進度條】

65、【Python 獲取掛號信息並郵件通知】

66、【Python實現java web項目遠端自動化更新部署】

67、【使用 Python3 編寫 Github 自動周報生成器】

68、【使用 Python 生成分形圖片】

69、【Python 實現 Redis 非同步客戶端】

70、【Python 實現中文錯別字高亮系統】

最後：

以上項目列表希望可以給你在Python學習中帶來幫助~

獲取方式：轉發 私信「1」