机器学习-识别手写数字

机器学习可以首先构建一个神经网络，用于识别手写数字。通过训练数据，优化神经网络的参数。再利用测试数据来测试训练完成后的神经网络的准确度。本次需要下载的库有tensorflow和matplotlib，keras和mnist数据集一般都被集成在tensorflow中了。

MNIST手写数字数据

首先查看一下MNIST手写数字的数据是什么样子的。

from tensorflow.keras.datasets import mnist

# 读取MNIST数据
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# 查看训练数据
train_images.shape()

# 查看训练数据的标签
len(train_labels)
train_labels

# 训练数据
(60000, 28, 28)

# 训练标签
60000
array([5, 0, 4, ..., 5, 6, 8], dtype=uint8)

从上面可以看出，MNIST手写数字的数据，是28*28的灰度图片，并且在训练数据中，有一共60000张这样的手写数字图片。在训练标签中，一共有60000个对应的数字，作为训练数据的标签。

可以利用matplot去查看这些28*28的图片是什么样子。

import matplotlib.p