Keras手写数字识别(初识MNIST数据集)

这篇文章将会分成两个部分，第一部分将简单认识一下keras中的手写数据集MNIST，第二部分将会介绍用Keras建立多层感知器模型，然后训练模型，评估模型的准确率，最后用训练完成的模型识别MNIST的手写数字。

1.MNIST简介

MNIST是深度学习的经典入门demo，它是由Yann LeCun搜集的，这个demo是由6万张训练图片和1万张测试图片构成的，每张图片都是28px*28px大小，而且都是黑白色构成，这些图片是采集的不同的人手写从0到9的数字。Keras将这个数据集和相关操作封装到了库中，下面我们将一步步了解MNIST的一些相关操作。

1.1下载MNIST数据

首先，导入相关模块和下载数据

import numpy as np
import pandas as pd
from keras.utils import np_utils      #导入keras.utils，在后面可以将label变迁转换为One-Hot Encoding（一位有效编码）
from keras.datasets import mnist  #Keras已集成MNIST模块，可直接导入
np.random.seed(10)                     #设置seed可以产生随机数

运行结果如下

因为Tensorflow是Keras的后端引擎，即以Tensorflow作为底层，所以可以看到Keras自动以Tensorflow作为Backend。

接着下载数据

(X_train_image,y_train_label),(X_test_image,y_test_label)=mnist.load_data()  

第一次执行load_data()这个方法，程序会自动帮用户下载MNIST文件，可能下载需要花点时间，第二次以后再调用这个方法就可以直接调用本地文件了。

以下为各变量说明

变量名	说明
X_train_image	训练样本图像
y_train_label	训练样本标签(即正确答案)
X_test_image	测试样本图像
y_test_label	测试样本答案

1.2查看下载的数据

print('X_train_image.shape:',X_train_image.shape)
print('y_train_label.shape:',y_train_label.shape)