基于Tensorflow完成mnist数据集的数字手写体识别_机器学习实验手写体识别tensorflow-优快云博客

本文链接：https://blog.youkuaiyun.com/memoryjdch/article/details/82865666

基于Tensorflow完成mnist数据集的数字手写体识别

- 关于知识背景
- - CNN
  - FCNN
关于数据集
- 新的改变

关于知识背景

CNN

卷积神经网络（Convolutional Neural Networks，简称CNN）是一种具有局部连接、权值共享等特点的深层前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一，擅长处理图像特别是图像识别等相关机器学习问题，比如图像分类、目标检测、图像分割等各种视觉任务中都有显著的提升效果，是目前应用最广泛的模型之一。

卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift - invariant classification），可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid - like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求，并被大量应用于计算机视觉、自然语言处理等领域。

FCNN

FCNN(Fully Connected Neural Network)模型是深度学习中最基本的神经网络架构之一，通常被称为多层感知器（Multilayer Perceptron，MLP）。它由一个或多个全连接层组成，每个层之间的神经元都是全连接的。FCNN在各种任务中都有广泛的应用，以下是一些常见的FCNN模型样例：单隐藏层的FCNN&#