深度学习环境入门之手写数字识别

在自己的windows环境下配置好了深度学习的环境，本文主要记录一下用深度学习的环境下实现一个简单的手写数字识别的模型训练和使用。

1、在pycharm中配置conda环境：

环境配置好以后，可以开始手写数字识别的代码了

2、加载tensorflow和 keras的库

import tensorflow as tf
from   tensorflow.keras import datasets, layers, models

3、如果本地环境是GPU的环境，需要配置GPU。

如果你不知道是否本地支不支持GPU，可以通过下面的代码打印出当前的GPU列表

gpuList = tf.config.list_physical_devices("GPU")
print(gpuList)

打印信息如下：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

配置GPU用于模型的训练

if gpuList:
    usedGPU = gpuList[0]
    tf.config.experimental.set_memory_growth(usedGPU, True)
    tf.config.set_visible_devices([usedGPU], "GPU")

4、从网络导入MNIST 手写数字识别数据集

该数据集中包含了70000张手写数字的图片，其中每张图片的大小为 28281(灰度图片)，MNIST数据集链接，本地选择了60000张作为训练集，10000作为验证集，该数据集已经被Keras集成，因此，可以直接通过Keras的datasets.mnist.load_data()函数导入数据，代码如下：

# trainImageSet 训练图片集合
# trainLabelSet 训练数据标签集合
# testImageSet  测试图片集合
# testLabelSet  测试数据标签集合
(trainImageSet, trainLabelSet), (testImageSet, testLabelSet) = datasets.mnist.load_da