在香港vps中实现数字识别

　　在香港vps中实现数字识别

　　在当今社会中，计算机技术得到了人们的广泛应用，其中又属数据挖掘以及人工智能最能够体现计算机技术的发展趋势，在人工智能之中，实现人脸识别无疑在现在具有最为广泛的应用前景，而对于人脸识别的前辈，数字识别无疑是最适合初学者进行掌握学习的，对于广大的香港vps使用者来说，如果想要深入的了解人工智能以及模式识别，那么这篇文章无疑能够给您提供一些帮助。

　　在进行数字识别之前，我们希望读者拥有以下的知识准备:首先，想解决实现给定的图像数据的数字识别，我们希望各位读者能够有一些机器学习算法的基础，另外要会用编程语言以及一些开源的第三方库(如果资金充足倒也可以使用一些付费的API进行开发)来实现算法，我们一般使用以下的库进行开发：Python以及对应的库numpy、scipy、theano等这些工具里面一般都有一些成熟的算法方便大家调用。此外：R语言、weka等也是十分不错的选择，总而言之，我们可以做的选择是众多的，只要选择一个方便使用的就可。

　　下面我们可以采用kNN算法来解决数字识别的问题。这里我将kNN算法的核心代码在这里面进行实现，在写代码之前我们首先需要对数据进行处理，我们的工作主要是基于Python、numpy来实现的，我们首先需要在网络上寻找相关的数据，并将其中用来训练的数据命名为train.csv，train.csv是训练样本集，大小大概是42001*785。下面给出代码，代码是从CSV文件中读取数据的，读入内存在进行处理，

　　def loadTrainData():

　　l=[]

　　with open('train.csv') as file:

　　lines=csv.reader(file)

　　for line in lines:

　　l.append(line) #42001*785

　　l.remove(l[0])

　　l=array(l)

　　label=l[:,0]

　　data=l[:,1:]

　　return nomalizing(toInt(data)),toInt(label)

　　在上面的代码中，我们需要重点介绍两个函数，他们分别是toInt()函数以及nomalizing()函数，现在需要说明toInt()函数，它是将字符串转换为整数的函数实现，毕竟我们从csv文件读取出来的数据类型是字符串类型的，比如'253'，而我们需要运算的是整数类型的，因此需要进行转换，toInt()函数的代码实现如下：

　　def toInt(array):

　　array=mat(array)

　　m,n=shape(array)

　　newArray=zeros((m,n))

　　for i in xrange(m):

　　for j in xrange(n):

　　newArray[i,j]=int(array[i,j])

　　return newArray

　　接下来需要介绍的是nomalizing()函数，这个函数做的工作是归一化，毕竟在train.csv数据集里面提供的表示图像的数据是0～255表示的，为了简化运算，我们可以将其转化为二值图像，因此将所有非0的数字，即1～255都归一化为1。nomalizing()函数的代码实现如下所示：

　　def nomalizing(array):

　　m,n=shape(array)

　　for i in xrange(m):

　　for j in xrange(n):

　　if array[i,j]!=0:

　　array[i,j]=1

　　return array

　　现在我们利用test.csv数据集进行数据测试，测试数据集里面的数据大小是28001*784，我们要做的工作就是为这28000个测试样本找出正确的label。实现这个工作的代码如下所示：

　　def loadTestData():

　　l=[]

　　with open('test.csv') as file:

　　lines=csv.reader(file)

　　for line in lines:

　　l.append(line)

　　#28001*784

　　l.remove(l[0])

　　data=array(l)

　　return nomalizing(toInt(data))

　　现在数字识别的主题思路我们已经完成了，各位读者明白了吗?希望能够给各位正在研究人工智能的读者一些启发。

　　如果您还有什么不明确或者是不懂的地方，欢迎来新世界主机咨询了解，详情请咨询QQ: TEL: 。我们必将竭诚为您服务。