动手学AI（1）项目简介与项目环境搭建

该项目是暑假时和儿子一起为他学校秋季“校园科技节”准备的项目。不过，他因是高一新生，今年的“校园科技节”没有安排高一新生参加，现在把该项目的制作过程的全部资料公布出来，供有兴趣的朋友参考：

人工智能手写数字识别机项目简介

手写数字识别机是利用人工智能最基础的mnist（手写数字识别）项目，加上摄像头与arduino及数码管组成。手写数字识别机能识别摄像头拍摄到的手写数字，并在数码管上显示出识别结果。

使用方法：将arduino、摄像头用分别接到电脑的USB端口。运行pc机上主程序,将写有数字的白纸放在USB摄像头前方20厘米处，移动纸张，观察屏幕上的图像，使数字处于取景框内，程序自动运行神经网络模型，并把识别结果通过数码管显示出来。

项目创意：mnist是人工神经网络深度学习的入门级例子，从数据集的获取到神经网络的搭建与训练都十分简单，是个十分纯粹的软件项目。为了增加该例子的趣味性和互动性，我受到神经网络智能小车项目的启发，给电脑增加摄像头，用于获取图像，增加arduino驱动数码管，用于显示识别结果，增加了用户友好性。

制作过程：从一个Python零基础小白到制作出识别手写数字机，历经两个星期时间，分别学习python基础知识、神经网络、opencv及python的pyserial库与arduino驱动数码管。

制作感悟：人工智能近年来已成为热门话题，作为科幻作品中的热门题材，对于大众来说是一个神秘的技术。但经历两个星期的学习后，对人工智能中最重要的部分——深度学习，有了一个初步的了解，体会到了数学与计算机两个工具结合而产生的强大威力。

互联网上信息丰富，但良莠不齐。即是个消磨时光的方式，也是个学习知识的便捷渠道。

项目制作要应用到电脑、数学、物理等方面知识，是一个综合能力的提升与考验。

扩展应用：将该项目进行扩展，可以做成无人驾驶车以及人脸识别等多种应用。

参考资料：才云科技郑泽宇顾思宇的《TensorFlow实战Google深度学习框架》，林大贵的《TensorFlow+Keras深度学习人工智能实践应用》，乔.米尼奇诺 约瑟夫.豪斯的《OpenCV3计算机视觉Python语言实现》，Eric Matthes的《Python编程从入门到实践》，及众多网络文章。

项目环境搭建

项目需要搭建opencv的开发环境，现把整个安装过程整理如下。(环境为python3.6+win10+64位系统)

Python 是一个有条理的和强大的面向对象的程序设计语言，已经成为最受欢迎的程序设计语言之一，连Google都在大规模使用Python。有前辈说，写一个项目代码，C语言要写1000行代码，而Python可能只要20行。

由于Python语言的简洁性、易学、免费、开源、可移植、可扩展性等优点，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python来教授程序设计课程。例如卡耐基梅隆大学的编程基础、麻省理工学院的计算机科学及编程导论就使用Python语言讲授。众多开源的科学计算软件包都提供了Python的调用接口，例如著名的计算机视觉库OpenCV，Python专用的科学计算扩展库就更多了，例如NumPy、matplotlib，它们分别为Python提供了快速数组处理、绘图功能。因此Python语言及其众多的扩展库所构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。

1.安装python3.6（目前可安装3.7）从www.python.org上下载python for windows，运行安装。

以管理员身份运行cmd,具体过程详见：

https://jingyan.baidu.com/album/3a2f7c2edee51226afd611f0.html?picindex=1

2.升级安装工具pip :

Python -m pip install --upgrade pip

3.安装tensorflow

pip install tensorflow

4.安装keras :

Pip install keras

5.安装 h5py和matplotlib,用于保存模型文件和图片显示

Pip install h5py

Pip install matplotlib

6.安装opencv 与串口通信库

pip install opencv-python

Pip install pyserial

7.安装arduino IDE，过程可参考网络帖子《Arduino入门教程--课前准备--Arduino驱动安装及1.0 IDE菜单介绍》https://www.cnblogs.com/gaosheng-221/p/6631383.html