TensorFlow/Keras入门：用手写数字识别体验深度学习

 

一、为什么选手写数字识别？

• 经典入门案例：MNIST数据集包含6万张0-9的手写数字图片，相当于机器学习的“Hello World”，模型易理解且效果直观。

• 类比场景：就像教孩子认数字，模型通过学习大量手写体，能识别不同风格的笔迹（连笔、潦草字等）。

二、5分钟环境准备

1. 安装TensorFlow：在命令行输入pip install tensorflow（建议用Python 3.7-3.9）。

2. 导入核心库：在Jupyter Notebook中输入：
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
3. 确认版本：print(tf.__version__)，确保版本≥2.0（Keras已集成在TensorFlow中）。

三、核心代码解析：15行实现识别模型
# 1. 加载MNIST数据（内置数据集）
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 2. 数据预处理：归一化像素值到0-1
x_train = x_train / 255.0
x_test = x_test / 255.0

# 3. 构建神经网络模型
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),  # 把28×28图片展平成784维向量
    keras.layers.Dense(128, activation='relu'),  # 128个神经元，relu激活函数
    keras.layers.Dense(10, activation='softmax')  # 10个输出（对应0-9），softmax转概率
])

# 4. 编译模型（指定优化器、损失函数、评估指标）
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 5. 训练模型（迭代5次）
model.fit(x_train, y_train, epochs=5)

# 6. 评估模型在测试集上的表现
test_loss, test_acc = model.evaluate(x_test, y_test)
print('测试准确率：', test_acc)

# 7. 预测一张新图片（比如第0张测试图片）
plt.imshow(x_test[0], cmap='gray')
pred = model.predict(x_test[0:1])  # 输入需是四维张量，[0:1]表示取第0张
print('预测数字：', pred.argmax(axis=1))  # 取概率最大的类别
四、代码逐模块拆解（非编程新手也能懂）

1. 数据加载与预处理：

◦ MNIST图片是28×28的灰度图，像素值0-255，除以255后转为0-1的浮点数（方便模型计算）。

◦ 类比：把不同亮度的图片统一调至标准亮度，让模型更容易学习。

2. 模型架构解析：

◦ Flatten层：把28×28的图片“拍扁”成784个数字，就像把一幅画拆成784个像素点。

◦ Dense层（全连接层）：

◦ 第一层128个神经元，用relu函数激活（类似“只传递正数信号”），提取笔画特征（如横线、竖线）。

◦ 第二层10个神经元，用softmax函数输出每个数字的概率（如“数字5的概率90%”）。

3. 训练过程：

◦ epochs=5表示让模型学习5轮，每轮用6万张图片反复“刷题”，调整神经元的连接权重（类似学生刷题调整解题思路）。

◦ 损失函数sparse_categorical_crossentropy衡量预测概率与真实标签的差距，优化器adam自动调整参数让损失最小。

五、运行结果与可视化

• 测试准确率：通常在98%以上，即100张新手写数字图中，模型能认对98张。

• 可视化预测过程：
    左图是真实手写数字“7”，右图显示模型预测为“7”的概率达99.2%。

六、新手必懂的深度学习核心概念

1. 神经元与权重：

◦ 每个神经元接收前一层的输入，乘以权重（类似“重要程度”）后求和，再通过激活函数输出。

◦ 类比：认数字时，神经元对“竖线特征”的权重高，遇到竖线多的图片会倾向于判断为“1”或“7”。

2. 反向传播：

◦ 训练时，模型先预测，再根据损失函数计算“哪里错了”，然后从输出层倒推，调整每一层的权重（如增加“竖线特征”的权重）。

◦ 类比：学生做完题对答案，发现“把7写成9”，下次会刻意加强“竖线”的书写记忆。

七、扩展玩法：自定义手写数字测试

1. 用画图软件写数字：

◦ 画28×28的黑白图（黑底白字），保存为png，读取后预处理：
from PIL import Image
img = Image.open('my_digit.png').convert('L')  # 转灰度图
img = img.resize((28, 28), Image.LANCZOS)
img_array = np.array(img) / 255.0
pred = model.predict(img_array.reshape(1, 28, 28))
2. 调参优化：

◦ 增加隐藏层数量（如加一层Dense(64)），或调整学习率（optimizer=keras.optimizers.Adam(learning_rate=0.001)），观察准确率变化。

八、实战口诀（深度学习四步走）

1. 数据处理：归一化、分训练集和测试集；

2. 搭积木式建模：用Keras.layers堆叠层（Flatten→Dense→Dense）；

3. 编译训练：选对损失函数（分类用交叉熵，回归用MSE）；

4. 评估预测：用真实数据验证，可视化结果。

结语：手写数字识别是深度学习的“敲门砖”，掌握它后，你可以尝试用CNN（卷积神经网络）提升准确率，或挑战CIFAR-10（彩色图片分类）等更复杂任务~