在C＃.NET中训练自己的手写数字识别器

卷积神经网络（CNN）是用于图像分类任务的当前最先进的模型架构。 CNN将一系列滤波器应用于图像的原始像素数据，以提取和学习更高级别的特征，然后该模型可用于分类。

这篇文章我们将采用一个非常常见的CNN例子来识别手写数字。 我们将在C＃中训练深度学习模型，并使用该训练模型来预测手写数字。 我们将使用Keras.NET编写我们自己的模型并使用标准的MNIST数据集进行训练，该数据集包含来自美国人口普查局员工和美国高中学生的60,000张训练图像和10,000张测试图像。

一个MMIST中的数字如下，是28*28像素的灰度图像。

Keras.NET Setup

Keras.NET需要Python，我们将从一些先决条件开始：

• 下载python可执行文件并安装它。 链接在这里：
  https://www.python.org/ftp/python/3.6.8/python-3.6.8-amd64.exe
• 安装完成后，打开命令提示符并运行python，它将加载python
  成功。 退出命令，然后开始安装keras包。
• 运行以下命令安装keras：pip install keras
• Keras需要后端，可以是以下之一：
  tensorflo