在樹莓派上建立乙個最簡單手寫體識別系統（二）

首先得先把opencv安裝上。

在pc上我使用的是anaconda，直接輸入：

conda install --channel 

.org/menpo opencv3

import cv2

print(cv2.__version__)

第二步，使用opencv來讀取影象：

import cv2

from matplotlib import pyplot as plt
#讀取影象
#顯示影象的方法1
cv2.imshow('test3',img)
k=cv2.waitkey(0)
#顯示影象的方法2
#首先得把grg調換個個頭
為了適合mnist模型，我們還得轉成灰度圖，反色，並縮放到28*28

然後直接計做矩陣乘加、softmax輸出：

import cv2

from matplotlib import pyplot as plt
img =cv2.resize(img, (28, 28), interpolation=cv2.inter_cubic)
img = cv2.cvtcolor(img,cv2.color_bgr2gray)
img = 0xff-img
img = img/255
img = img.reshape(784)
testx = [img]
from numpy import *;
import numpy as np; #這個方式使用numpy的函式時，需要以np.開頭。
import math
import pandas as pd
from pandas import series,dataframe 
data = pd.read_csv('mnist_w.csv')
#print(data.shape)
usew = data.values
data = pd.read_csv('mnist_b.csv')
useb = data.values
useb = useb.reshape(1,10)#必須確定大小，否則會出錯
a1 = mat(img);
a2 = mat(usew);
a4 = a1*a2+useb
#計算softmax
etab=[0,0,0,0,0,0,0,0,0,0]
for i in range(0,10):
t = a4[0:,i]
t = t.tolist()[0]
t = t[0]
etab[i] = math.exp(t)
a = sum(etab)
for i in range(0,10):
t = etab[i]
t = t/a
print(t)
print ( "**值=",etab.index(max(etab)) )

0.0303718806336

0.0306637445764

0.0985644947741

0.496698573451

0.0684541058624

0.193191997366

0.0177791782552

0.0252268936033

0.0210481976761

0.0180009338012

**值= 3

明顯，**值為3，並且結果和直接呼叫tensorflow一致！

在樹莓派上建立乙個最簡單手寫體識別系統（一）

目標，在樹莓派上建立乙個最簡單的手寫體識別系統。規劃如下 1 在pc上做使用tensorflow做乙個最簡單的softmax模型，把模型引數全部儲存下來 2 在pc上，使用python讀取模型引數，編寫模型 使用opencv讀取，模型 3 將 直接挪到樹莓派上執行，並測試模型 時間 1 coding...

建立乙個最簡單的VST

vst外掛程式在國內 人中還是被廣泛使用的，從0開始開發vst外掛程式，我個人想著還是從vst開始比較好。因為win32的基礎不是很好，動態鏈結庫的程式設計也不清楚，所以吃了很多苦頭。廢話戛然而止。第一步使用vs2013 新建工程，win32工程，dll，空專案，匯出符號。這裡我一開始新建的是mfc...

讓我們一起在樹莓派上編寫第乙個程式吧

入手樹莓派開始慢慢折騰，從基礎開始記錄，慢慢提高，高手繞過。預設已經裝好作業系統並啟動進入樹莓派操作介面 1.在編寫更改下樹莓派的vi編譯器，因為自帶的有點彆扭，狀態不顯示，退格退不了 前提網路已連線好 刪除自帶的，輸入命令，remove刪除 sudo apt get remove vim comm...