第29周：实现mnist手写数字识别(Tensorflow实战第一周)

目录

前言

一、前期工作

1.1 导入所需的库并设置GPU

1.2 导入数据

1.2.1 数据集介绍

1.2.2 导入数据代码实现

1.3 归一化

1.4 可视化图片

1.5 调整图片格式

二、训练模型

2.1 构建CNN网络模型

2.2.1 CNN网络模型结构说明

2.2.2 CNN网络模型的代码实现

2.2 编译模型

2.3 训练模型

三、模型预测

总结

---

前言

• 🍨 本文为[🔗365天深度学习训练营]中的学习记录博客
• 🍖 原作者：[K同学啊]

说在前面

1）本周任务：在基于tensorflow的框架下

2）运行环境：Python3.6、Pycharm2020、tensorflow2.4.0

---

一、前期工作

1.1 导入所需的库并设置GPU

代码如下：

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

#1.1 设置GPU
gpus = tf.config.list_physical_devices("GPU")
if gpus:
    gpu0 = gpus[0]  # 如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True)  # 设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpu0], "GPU")
print(gpus)

打印输出：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

1.2 导入数据

1.2.1 数据集介绍

数据集介绍：MNIST手写数字数据集来源于是美国国家标准与技术研究所，是著名的公开数据集之一。数据集中的数字图片是由250个不同职业的人纯手写绘制，数据集获取的网址为：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges（下载后需解压）。我们一般会采用(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()这行代码直接调用，这样就比较简单

MNIST手写数字数据集中包含了70000张图片，其中60000张为训练数据，10000为测试数据，70000张图片均是28*28，数据集样本如下：