14、数字识别模型：从像素相似度到广播计算

数字识别模型：从像素相似度到广播计算

在数字识别领域，我们的目标是创建一个能够准确识别数字 3 和 7 的模型。为了实现这个目标，我们可以从一个简单的思路入手——像素相似度。

像素相似度模型的基本思路

• 理想数字的定义 ：我们可以分别计算所有数字 3 和数字 7 图像的每个像素的平均值，从而得到两个“理想”的数字 3 和数字 7。这两个理想数字代表了各自数字的平均特征。
• 分类方法 ：对于一个待分类的图像，我们通过比较它与这两个理想数字的相似度，来判断它是数字 3 还是数字 7。这种方法可以作为一个很好的基线模型，为后续的改进提供参考。

实现像素相似度模型的步骤

1. 数据准备
   • 我们需要将所有数字 3 和数字 7 的图像分别存储在不同的目录中。
   • 使用 Python 的列表推导式创建包含所有图像张量的列表：

seven_tensors = [tensor(Image.open(o)) for o in sevens]
three_tensors = [tensor(Image.open(o)) for o in threes]

- 检查列表的长度，确保返回的图像数量合理：