30、手写数字识别与文本数据分析

手写数字识别与文本数据分析

手写数字识别

数据预处理

在处理多维数组时，需要在神经网络的起始位置使用 Flatten 层，将输入数据展平为一维。同时，输入到神经网络的值是 0 到 255 之间的整数，这实际上是灰度图像，其像素值范围与 RGB 颜色类似。因此，还需要在神经网络模型中添加 Normalization 层进行归一化处理。之后，将所有数组转换为张量，以便在 TensorFlow 中使用。具体代码如下：

import tensorflow as tf
import numpy as np

# 假设 x_train, y_train, x_test, y_test, x_validation 已经定义
train_features = tf.convert_to_tensor(x_train)
train_labels = tf.convert_to_tensor(y_train)
test_features = tf.convert_to_tensor(x_test)
test_labels = tf.convert_to_tensor(y_test)
exp_features = tf.convert_to_tensor(x_validation)

使用单层感知机（SLP）进行学习和预测

模型定义

定义一个具有单个密集层的模型，该层有 10 个输出，对应 0 到 9 的十个数字，也就是手写数字要识别的十个类别。同时添加 Normalization