基于TensorFlow实现MNIST手写体数字识别

最新推荐文章于 2022-05-04 18:42:11 发布

原创

最新推荐文章于 2022-05-04 18:42:11 发布 · 1k 阅读

8 ·

CC 4.0 BY-SA版权

本文介绍了基于TensorFlow实现MNIST手写体数字识别的全过程，包括数据源、实验目标、感知机原理、前向传播、后向传播、激励函数的讲解，以及使用Keras构建和训练模型的详细步骤。实验结果显示模型具有较高准确性。

1. 背景描述

1.1 数据源介绍

数据源说明：60000训练集 + 10000测试集
图中的每个数字都是[28,28]的二阶数组表示，每个位点上的值是颜色的深度[0-255] ~ [白色-黑色]。根据规范化处理，我们后面会将灰度值缩放到[0,1]。
在这里插入图片描述
使用程序获取数据

from keras.datasets import mnist
# 注意keras的默认路径是~/.keras/datasets，下面的数据会自动从S3上下载到~/.keras/datasets/mnist/mnist.npz路径下进行加载
(x_train, y_train), (x_test, y_test) = mnist.load_data(path='mnist/mnist.npz')

import matplotlib.pyplot as plt

fig = plt.figure()
for i in range(0,15,1):
    plt.subplot(3,6,i+1) # 绘制前15个手写体数字，以3行6列子图形式展示
    plt.tight_layout() # 自动适配
    plt.imshow(x_train[i], cmap='Greys') # 使用灰色显示像素灰度值