人工智能学习03--mnist手写数字实战

在输入神经网络前对数据进行处理，而不是把28*28的图片直接展平输入网络

https://blog.csdn.net/CP18281638639/article/details/117418615 卷积、池化、全连接层

1. 卷积
   卷积操作最终要得到：使损失函数最小（预测值和真实值最接近）时的卷积核的内容
   
   2 . 池化
   提输入参数，提高效率
   
   3 . 激活
   提高运算速率，同时增加一些非线性处理
   
   

• 叠加
  

• 输入神经网络

• 卷积后的尺寸计算
  
  步长越小，遍历地越仔细
  
  默认不加边
  
  卷积：提取特征
  池化：求最大或平均值（不需要训练）
  
  （3*3+1（1个偏置项））*2（filters，卷积核数量）
  

• LeNet-5网络

·······················

给图片增加维度：数量（前），几层（后）

把自己画好的图片保存在与程序相同的文件夹中

读取图片两个参数：（图片名，读取图片的方式（0 灰度；1 彩色））

返回了十个概率值

看看这个概率对应哪个数字

读取自己的这个图片，经过预处理之后把它作为输入加载到模型中，得到预测结果

自己画了一个9