tensorflow入门之mnist手写数据集识别

最新推荐文章于 2025-07-05 11:37:15 发布

原创

最新推荐文章于 2025-07-05 11:37:15 发布 · 4.9k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #tensorflow

本文介绍了使用Tensorflow进行机器学习的入门教程，特别是针对MNIST手写数字数据集的识别。首先，介绍了如何利用Anaconda安装Tensorflow和设置环境。接着，讲解了MNIST数据集的下载、解压和解析过程，以及数据集转换为向量数组的方法。在Tensorflow中，构建并训练了一个简单的模型，最后测试模型的识别成功率约为0.91。作者建议，理解这些概念需要线性代数、概率论和微积分的基础知识，并提供了相关课程资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近开始研究机器学习，整个模型都自己写的话不太现实，所以还是得用框架。几经查找，选择了Google的Tensorflow框架，这个起步也还比较好用，网上参考资料也很多。
参考的教程官网：tensorflow
环境安装的话，我用的python3.6,这里强烈推荐安装个Anaconda，python包管理工具，用起来特别方便，切换python版本什么的也很简单。python库管理也是都可视化的。
在官网下载Anaconda安装包，安装完成之打开Navigator，如下：
anaconda 安装tensorflow
搜索框输入tensorflow然后直接安装就行。
IDE我用的VSCode，安装一下python插件就可以用了。
然后开始入门的教程学习：
首先数据集要从mnist网站上下下来。下面是链接
mnist数据集下载地址
train-images-idx3-ubyte.gz: 训练数据集手写数字图片
train-labels-idx1-ubyte.gz: 训练数据集标签（对应于图片的答案）
t10k-images-idx3-ubyte.gz: 测试数据集图片
t10k-labels-idx1-ubyte.gz: 测试数据集标签

下载下来解压，这是用python struct打包了的byte文件，我们需要用代码再把它解析出来然后转成向量数组便于tensorflow引用，可以在教程上看到，图片集需要转成[60000,784]的矩阵，一个[,784]代表一张图片，即28*28展开成一维数组，这就是训练样本x，初步的计算公式就是y = Wx +b。W是权重，这个就是要不断训练得出来的最优解，b是偏移量，这些都是入门所需知识，在此便不多加赘述。
数据集解析比较麻烦，下面直接贴代码：


    def read_train_image(self,filename):
        index = 0
        binfile = open(filename,'rb')
        buf = binfile.read()
        magic, self.train_img_num, self.numRows,self.numColums = struct.unpack_from('>IIII',buf,index)
        self.train_img_list = np.zeros((self.train_img_num, 28 * 28))
        index += struct.calcsize('>IIII')
        # print (magic, ' ', self.train_img_num, ' ', self.numRows, ' ', self.numColums)

        for i in range(self.train_img_num):
            im = struct.unpack_from('>784B',buf,