很多正在入門或剛入門TensorFlow機器學習的同學希望能夠通過自己指定圖片源對模型進行訓練，然後識別和分類自己指定的圖片。但是，在TensorFlow官方入門教程中，並無明確給出如何把自定義資料輸入訓練模型的方法。現在，我們就參考官方入門課程《Deep MNIST for Experts》一節的內容(傳送門：https://www.tensorflow.org/get_started/mnist/pros)，介紹如何將自定義圖片輸入到TensorFlow的訓練模型。

在《Deep MNISTfor Experts》一節的程式碼中，程式將TensorFlow自帶的mnist圖片資料集mnist.train.images作為訓練輸入，將mnist.test.images作為驗證輸入。當學習了該節內容後，我們會驚歎卷積神經網路的超高識別率，但對於剛開始學習TensorFlow的同學，內心可能會產生一個問號：如何將mnist資料集替換為自己指定的圖片源？譬如，我要將圖片源改為自己C盤裡面的圖片，應該怎麼調整程式碼？

我們先看下該節課程中涉及到mnist圖片呼叫的程式碼：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
batch = mnist.train.next_batch(50)
train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print('test accuracy %g' % accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
 

對於剛接觸TensorFlow的同學，要修改上述程式碼，可能會較為吃力。我也是經過一番摸索，才成功呼叫自己的圖片集。

要實現輸入自定義圖片，需要自己先準備好一套圖片集。為節省時間，我們把mnist的手寫體數字集一張一張地解析出來，存放到自己的本地硬碟，儲存為bmp格式，然後再把本地硬碟的手寫體圖片一張一張地讀取出來，組成集合，再輸入神經網路。mnist手寫體數字集的提取方式詳見《如何從TensorFlow的mnist資料集匯出手寫體數字圖片》。

將mnist手寫體數字集匯出圖片到本地後，就可以仿照以下python程式碼，實現自定義圖片的訓練：

#!/usr/bin/python3.5
# -*- coding: utf-8 -*-  

import os

import numpy as np
import tensorflow as tf

from PIL import Image


# 第一次遍歷圖片目錄是為了獲取圖片總數
input_count = 0
for i in range(0,10):
    dir = './custom_images/%s/' % i                 # 這裡可以改成你自己的圖片目錄，i為分類標籤
    for rt, dirs, files in os.walk(dir):
        for filename in files:
            input_count += 1

# 定義對應維數和各維長度的陣列
input_images = np.array([[0]*784 for i in range(input_count)])
input_labels = np.array([[0]*10 for i in range(input_count)])

# 第二次遍歷圖片目錄是為了生成圖片資料和標籤
index = 0
for i in range(0,10):
    dir = './custom_images/%s/' % i                 # 這裡可以改成你自己的圖片目錄，i為分類標籤
    for rt, dirs, files in os.walk(dir):
        for filename in files:
            filename = dir + filename
            img = Image.open(filename)
            width = img.size[0]
            height = img.size[1]
            for h in range(0, height):
                for w in range(0, width):
                    # 通過這樣的處理，使數字的線條變細，有利於提高識別準確率
                    if img.getpixel((w, h)) > 230:
                        input_images[index][w+h*width] = 0
                    else:
                        input_images[index][w+h*width] = 1
            input_labels[index][i] = 1
            index += 1


# 定義輸入節點，對應於圖片畫素值矩陣集合和圖片標籤(即所代表的數字)
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

x_image = tf.reshape(x, [-1, 28, 28, 1])

# 定義第一個卷積層的variables和ops
W_conv1 = tf.Variable(tf.truncated_normal([7, 7, 1, 32], stddev=0.1))
b_conv1 = tf.Variable(tf.constant(0.1, shape=[32]))

L1_conv = tf.nn.conv2d(x_image, W_conv1, strides=[1, 1, 1, 1], padding='SAME')
L1_relu = tf.nn.relu(L1_conv + b_conv1)
L1_pool = tf.nn.max_pool(L1_relu, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')

# 定義第二個卷積層的variables和ops
W_conv2 = tf.Variable(tf.truncated_normal([3, 3, 32, 64], stddev=0.1))
b_conv2 = tf.Variable(tf.constant(0.1, shape=[64]))

L2_conv = tf.nn.conv2d(L1_pool, W_conv2, strides=[1, 1, 1, 1], padding='SAME')
L2_relu = tf.nn.relu(L2_conv + b_conv2)
L2_pool = tf.nn.max_pool(L2_relu, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')


# 全連線層
W_fc1 = tf.Variable(tf.truncated_normal([7 * 7 * 64, 1024], stddev=0.1))
b_fc1 = tf.Variable(tf.constant(0.1, shape=[1024]))

h_pool2_flat = tf.reshape(L2_pool, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)


# dropout
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)


# readout層
W_fc2 = tf.Variable(tf.truncated_normal([1024, 10], stddev=0.1))
b_fc2 = tf.Variable(tf.constant(0.1, shape=[10]))

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

# 定義優化器和訓練op
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))
train_step = tf.train.AdamOptimizer((1e-4)).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))


with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    print ("一共讀取了 %s 個輸入影象， %s 個標籤" % (input_count, input_count))

    # 設定每次訓練op的輸入個數和迭代次數，這裡為了支援任意圖片總數，定義了一個餘數remainder，譬如，如果每次訓練op的輸入個數為60，圖片總數為150張，則前面兩次各輸入60張，最後一次輸入30張（餘數30）
    batch_size = 60
    iterations = 100
    batches_count = int(input_count / batch_size)
    remainder = input_count % batch_size
    print ("資料集分成 %s 批, 前面每批 %s 個數據，最後一批 %s 個數據" % (batches_count+1, batch_size, remainder))

    # 執行訓練迭代
    for it in range(iterations):
        # 這裡的關鍵是要把輸入陣列轉為np.array
        for n in range(batches_count):
            train_step.run(feed_dict={x: input_images[n*batch_size:(n+1)*batch_size], y_: input_labels[n*batch_size:(n+1)*batch_size], keep_prob: 0.5})
        if remainder > 0:
            start_index = batches_count * batch_size;
            train_step.run(feed_dict={x: input_images[start_index:input_count-1], y_: input_labels[start_index:input_count-1], keep_prob: 0.5})

        # 每完成五次迭代，判斷準確度是否已達到100%，達到則退出迭代迴圈
        iterate_accuracy = 0
        if it%5 == 0:
            iterate_accuracy = accuracy.eval(feed_dict={x: input_images, y_: input_labels, keep_prob: 1.0})
            print ('iteration %d: accuracy %s' % (it, iterate_accuracy))
            if iterate_accuracy >= 1:
                break;

    print ('完成訓練!')
 

上述python程式碼的執行結果截圖如下：

對於上述程式碼中與模型構建相關的程式碼，請查閱官方《Deep MNIST for Experts》一節的內容進行理解。在本文中，需要重點掌握的是如何將本地圖片源整合成為feed_dict可接受的格式。其中最關鍵的是這兩行：

# 定義對應維數和各維長度的陣列
input_images = np.array([[0]*784 for i in range(input_count)])
input_labels = np.array([[0]*10 for i in range(input_count)])

它們對應於feed_dict的兩個placeholder：

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

這樣一看，是不是很簡單？