基于flask+TensorFlow的手寫數(shù)字識別模型Web應(yīng)用開發(fā)

張磊 李斌 李臻

摘 要：手寫數(shù)字識別是研究圖像識別、深度學(xué)習(xí)技術(shù)的典型案例，本文中以手寫數(shù)字識別Web應(yīng)用程序開發(fā)為例，介紹了基于flask框架的TensorFlow+Python Web開發(fā)技術(shù)和相關(guān)的編程方法。

關(guān)鍵詞：flask框架;Python Web開發(fā);手寫數(shù)字識別

一、引言

圖像識別是深度學(xué)習(xí)技術(shù)最廣泛的應(yīng)用之一，手寫數(shù)字識別是學(xué)習(xí)和研究深度學(xué)習(xí)、圖像識別的典型案例，本文中使用TensorFlow（以下簡稱TF）框架訓(xùn)練手寫數(shù)字識別模型、Python語言作為Web開發(fā)工具，基于flask框架實(shí)現(xiàn)了一款手寫數(shù)字識別Web應(yīng)用程序，為TF模型在Web中部署和開發(fā)應(yīng)用提供參考。

二、模型訓(xùn)練和保存

手寫數(shù)字識別采用LeNet-5 CNN模型。LeNet-5由INPUT層、2個(gè)卷積層、2個(gè)池化層、3個(gè)全連接層構(gòu)成。INPUT層的輸入尺寸為32×32像素手寫數(shù)字圖像，手寫數(shù)字包含數(shù)字“0～9”，OUTPUT層輸出One-Hot格式的10分類結(jié)果。

訓(xùn)練模型的MNIST數(shù)據(jù)集中圖片尺寸為28×28像素，像素點(diǎn)用8位灰度值表示。由于LeNet-5模型INPUT層的輸入尺寸為32×32像素，MNIST數(shù)據(jù)集中原始圖像尺寸并不符合模型輸入要求，使用numpy庫（簡稱為np）中的數(shù)組填充函數(shù)np.pad（）將原始圖像四周填充兩圈數(shù)字“0”，得到尺寸32×32像素的新圖像。MNIST數(shù)據(jù)集類別標(biāo)簽?zāi)J(rèn)是One-Hot格式。

TF是基于計(jì)算圖的框架，使用TF框架訓(xùn)練LeNet-5模型，根據(jù)模型結(jié)構(gòu)定義的神經(jīng)網(wǎng)絡(luò)前向傳播過程構(gòu)造出計(jì)算圖，計(jì)算圖中描述張量在節(jié)點(diǎn)之間從前到后的流動(dòng)過程。訓(xùn)練模型在會話進(jìn)行，調(diào)用tf.Session（）可生成會話，并創(chuàng)建默認(rèn)計(jì)算圖。在會話中不斷喂入數(shù)據(jù)，反復(fù)執(zhí)行反向傳播優(yōu)化算法，確定最優(yōu)的模型參數(shù)。

模型訓(xùn)練完，將模型保存成TF檢查點(diǎn)。檢查點(diǎn)可在Web服務(wù)器端由程序調(diào)用，在TF中，tf.train.Saver對象的save（）和restore（）方法分別用于保存和恢復(fù)模型參數(shù)。

三、Web應(yīng)用程序中使用TF模型

將手寫數(shù)字識別的TF模型部署到Web中，前端負(fù)責(zé)獲取用戶在頁面上手寫數(shù)字圖像并預(yù)處理，再向服務(wù)器發(fā)出AJAX請求，請求內(nèi)容為待識別的圖像。服務(wù)器端程序生成TF會話并加載訓(xùn)練好的模型，調(diào)用相應(yīng)的視圖函數(shù)將請求數(shù)據(jù)送入TF會話中計(jì)算，最后將識別結(jié)果異步回傳到前端。

（一）前端頁面功能實(shí)現(xiàn)

頁面文件中主要包括繪制畫布、預(yù)覽畫布、提交按鈕、清除按鈕和用于顯示分類結(jié)果的表格等界面元素。

繪制畫布是一個(gè)用canvas標(biāo)簽實(shí)現(xiàn)的320×320像素的畫布。使用canvas對象的getContext（）方法可得到一個(gè)繪圖環(huán)境，該環(huán)境提供了在畫布上繪圖的方法和屬性。繪制畫布綁定鼠標(biāo)事件的監(jiān)聽器，當(dāng)用戶按下并拖動(dòng)鼠標(biāo)時(shí)，可將鼠標(biāo)移動(dòng)的路徑（經(jīng)過的像素點(diǎn)）呈現(xiàn)到繪制畫布上，這樣用戶可在繪制畫布上使用鼠標(biāo)書寫數(shù)字。手寫數(shù)字圖像存儲為uint8類型的像素矩陣，每一個(gè)位置的像素點(diǎn)包括R、G、B、A四個(gè)通道值。

模型INPUT層輸入圖像為尺寸32×32像素的灰度圖，尺寸為320×320像素原始手寫數(shù)字圖像應(yīng)在前端完成尺寸調(diào)整和灰度化等預(yù)處理，再發(fā)送給服務(wù)器，以便減少向服務(wù)器傳輸?shù)膱D像數(shù)據(jù)量。

預(yù)處理后的手寫數(shù)字圖像存儲在JavaScript數(shù)組中，并在預(yù)覽畫布（canvas標(biāo)簽對象）中顯示。使用JSON.stringify（）方法將JavaScript數(shù)組中圖像數(shù)據(jù)轉(zhuǎn)換為JSON字符串形式的數(shù)據(jù)，再將這些數(shù)據(jù)以POST方式向服務(wù)器特定URL發(fā)送AJAX請求。

（二）服務(wù)器端程序功能實(shí)現(xiàn)

服務(wù)器程序主要功能：一是生成TF會話并載入模型（模型結(jié)構(gòu)和模型參數(shù)）;二是渲染前端頁面、響應(yīng)前端請求、處理數(shù)據(jù)以及返回識別的結(jié)果。

服務(wù)程序生成會話并將模型結(jié)構(gòu)導(dǎo)入至?xí)挼哪J(rèn)圖，調(diào)用tf.train.import_meta_graph（）函數(shù)導(dǎo)入模型結(jié)構(gòu)，再還原模型參數(shù)。利用tf.get_default_graph（）.get_tensor_by_name（）函數(shù)可通過節(jié)點(diǎn)名稱獲取到模型INPUT層的輸入變量x與keep_prob、OUTPUT層的輸出變量y。

flask中路由解析模塊Werkzeug可將URL請求映射至相應(yīng)的處理函數(shù)中完成業(yè)務(wù)邏輯和數(shù)據(jù)的處理。手寫數(shù)字識別前端頁面請求的數(shù)據(jù)傳入服務(wù)器端flask實(shí)例程序，由Werkzeug對URL進(jìn)行路由解析，找到分類識別視圖函數(shù)。視圖函數(shù)中使用flask.request.json獲取手寫數(shù)字圖像數(shù)據(jù)，對數(shù)據(jù)做歸一化處理后喂入模型，可返回手寫數(shù)字的分類識別結(jié)果。

四、結(jié)語

本文以手寫數(shù)字識別Web應(yīng)用程序?yàn)槔榻B了TF機(jī)器學(xué)習(xí)模型應(yīng)用到基于flask框架的Python Web開發(fā)中的關(guān)鍵技術(shù)和編程方法，在TF+Web的應(yīng)用場景下，Web后端和TF程序統(tǒng)一使用Python語言開發(fā)，編程簡單高效。

參考文獻(xiàn)：

[1]李超，徐云龍，華中偉，等.一種基于Python Flask的Web服務(wù)器端設(shè)計(jì)[J].信息與電腦（理論版），2019，8：87-88.

[2]馬旭，王淑.基于Flask框架的展示型網(wǎng)站的設(shè)計(jì)與實(shí)現(xiàn)[J].數(shù)字技術(shù)與應(yīng)用，2018（11）：137-138.