① 怎么用python提取一段文本中的数字
import re
s = 'MA5:12.56 MA10:12.69 MA20:12.19'
print(re.findall(r'\d+\.\d+', s))
# ['12.56', '12.69', '12.19']
② python3.5能用的图片识别库，可以识别图片上的英文数字和汉字
先看看你的Visual Studio 14 运行库（64位的系统X86/X64的最好都装上）是不是没有装，如果没有安装的话先装上；如果已经安装了的话，修复一下看看。如果还不行的话那就意味着这些库暂时还不支持Python 3.5.2，还得耐心等待或者使用其他能实现所需要功能的库。你可以试试下载EXE文件自己安装，或者下载源码自己编译。
我在我的电脑（XP/Python3.4.4）上用pip安装试了一下，tesseract-ocr安装不上，其他两个没有问题，估计暂时还不支持Python3.X吧。
tesseract-ocr的EXE安装包下载地址：https://sourceforge.net/projects/tesseract-ocr-alt/files/?source=navbar
我没有尝试使用EXE安装包安装楼主可以自己尝试一下。
希望对楼主有帮助。
③ python 怎么使用 mnist数据集 进行数字识别
其实就是python怎么读取binnary file
mnist的结构如下，选取train-images
TRAINING SET IMAGE FILE (train-images-idx3-ubyte):
[offset] [type] [value] [description]
0000 32 bit integer 0x00000803(2051) magic number
0004 32 bit integer 60000 number of images
0008 32 bit integer 28 number of rows
0012 32 bit integer 28 number of columns
0016 unsigned byte ?? pixel
0017 unsigned byte ?? pixel
........
xxxx unsigned byte ?? pixel
也就是之前我们要读取4个 32 bit integer
试过很多方法，觉得最方便的，至少对我来说还是使用
struct.unpack_from()
filename = 'train-images.idx3-ubyte'
binfile = open(filename , 'rb')
buf = binfile.read()
先使用二进制方式把文件都读进来
index = 0
magic, numImages , numRows , numColumns = struct.unpack_from('>IIII' , buf , index)
index += struct.calcsize('>IIII')
然后使用struc.unpack_from
'>IIII'是说使用大端法读取4个unsinged int32
然后读取一个图片测试是否读取成功
im = struct.unpack_from('>784B' ,buf, index)
index += struct.calcsize('>784B')
im = np.array(im)
im = im.reshape(28,28)
fig = plt.figure()
plotwindow = fig.add_subplot(111)
plt.imshow(im , cmap='gray')
plt.show()
'>784B'的意思就是用大端法读取784个unsigned byte
完整代码如下
import numpy as np
import struct
import matplotlib.pyplot as plt
filename = 'train-images.idx3-ubyte'
binfile = open(filename , 'rb')
buf = binfile.read()
index = 0
magic, numImages , numRows , numColumns = struct.unpack_from('>IIII' , buf , index)
index += struct.calcsize('>IIII')
im = struct.unpack_from('>784B' ,buf, index)
index += struct.calcsize('>784B')
im = np.array(im)
im = im.reshape(28,28)
fig = plt.figure()
plotwindow = fig.add_subplot(111)
plt.imshow(im , cmap='gray')
plt.show()
只是为了测试是否成功所以只读了一张图片
④ 手写数字识别 python3.6需要的包
那题主现在已经很好的掌握了二分类问题(比如区分1和9)了吧。 用的什么库做SVM呢？如果这个库支持多分类SVM的话就很容易改成识别0-9的。
⑤ python怎么提高验证码数字加字母识别率
在我的经验里. 我想应该是绕不过验证码的, 不仅 python 不行,任何语言也不行. 因为验证码是你登录时一起绑定的登录信息. 没有验证码就是不完善的登录信息
⑥ 怎么用python直接读取txt文件中的数字
#-*-coding:utf-8-*-
f=open('test.txt')
s=f.readline()
print(s)
whiles!=' ':
arr=s.split('')
a1=arr[0]
a2=arr[1].replace(' ','')#readline读取文件的时候，默认加上“ "
print(a1)
print(a2)
s=f.readline()
读取test.txt 赋值给变量a1,a2
⑦ 如何用python做基于k近邻算法的手写数字识别系统
基于k近邻算法的手写数字识别系统您好，我这有篇范文，
⑧ python+tesseract怎样才能识别单个数字
一、需要的软件1、pytesseract2、PIL或者是pillow都可以3、tesseract-ocr第一、二两个都可以通过pip安装，第三个网络就可以找到。二、使用方法1.先用PIL打开图片2.调用pytesseract的image_to_string()方法即可，简单吧!
⑨ Python如何图像识别
首先，先定位好问题是属于图像识别任务中的哪一类，最好上传一张植物叶子的图片。因为目前基于深度学习的卷积神经网络（CNN）确实在图像识别任务中取得很好的效果，深度学习属于机器学习，其研究的范式，或者说处理图像的步骤大体上是一致的。
1、第一步，准备好数据集，这里是指，需要知道输入、输出（视任务而定，针对你这个问题，建议使用有监督模型）是什么。你可以准备一个文件夹，里面存放好植物叶子的图像，而每张图像对应一个标签（有病/没病，或者是多类别标签，可能具体到哪一种病）。
具体实现中，会将数据集分为三个：训练集（计算模型参数）、验证集（调参，这个经常可以不需要实现划分，在python中可以用scikit-learn中的函数解决。测试集用于验证模型的效果，与前面两个的区别是，模型使用训练集和验证集时，是同时使用了输入数据和标签，而在测试阶段，模型是用输入+模型参数，得到的预测与真实标签进行对比，进而评估效果。
2、确定图像识别的任务是什么？
图像识别的任务可以分为四个：图像分类、目标检测、语义分割、实例分割，有时候是几个任务的结合。
图像分类是指以图像为输入，输出对该图像内容分类的描述，可以是多分类问题，比如猫狗识别。通过足够的训练数据（猫和狗的照片-标签，当然现在也有一系列的方法可以做小样本训练，这是细节了，这里并不敞开讲），让计算机/模型输出这张图片是猫或者狗，及其概率。当然，如果你的训练数据还有其它动物，也是可以的，那就是图像多分类问题。
目标检测指将图像或者视频中的目标与不感兴趣的部分区分开，判断是否存在目标，并确定目标的具体位置。比如，想要确定这只狗所佩戴的眼睛的位置，输入一张图片，输出眼睛的位置（可视化后可以讲目标区域框出来）。
看到这里，应该想想植物叶子诊断疾病的问题，只需要输入一整张植物叶子的图片，输出是哪种疾病，还是需要先提取叶子上某些感兴趣区域（可能是病变区域），在用病变区域的特征，对应到具体的疾病？
语义分割是当今计算机视觉领域的关键问题之一，宏观上看，语义分割是一项高层次的任务。其目的是以一些原始图像作为输入，输出具有突出显示的感兴趣的掩膜，其实质上是实现了像素级分类。对于输入图片，输出其舌头区域（注意可以是不规则的，甚至不连续的）。
而实例分割，可以说是在语义分割的基础上，在像素层面给出属于每个实例的像素。
看到这里，可以具体思考下自己的问题是对应其中的哪一类问题，或者是需要几种任务的结合。
3、实际操作
可以先通过一个简单的例子入手，先了解构建这一个框架需要准备什么。手写数字识别可以说是深度学习的入门数据集，其任务也经常作为该领域入门的案例，也可以自己在网上寻找。