关于MNIST手写数字识别不高的解决方案

最新推荐文章于 2024-06-22 19:13:31 发布
最新推荐文章于 2024-06-22 19:13:31 发布
阅读量1.5k 收藏 10
点赞数
分类专栏： 过拟合 文章标签： 卷积网络 MNIST tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/darkformsolar/article/details/102971216
版权

关于MNIST手写数字识别不高的解决方案

当我们使用MNIST手写数字作为数据训练网络的时候，使用恰当的模型往往可以在测试集上得到很高的精准度，下面的图片是博主的训练结果：
测试集的精准度甚至还好过在训练集的表现
测试集的精准度甚至还好过在训练集的表现 （60000是训练集，10000是测试集，acc表示精准度）

但是当使用自己用画图工具或者自己拍的照片的时候，神经网络得到的预测却大部分都是错的

以下是博主的解决方案：‘
1.可能由于图像的噪音引起，MNIST的数据集基本上不含有噪音(颜色稍微不同的色块)
处理加载进来的图片的数组，把噪音去除 如:picmatix=np.where(picmatix>25,picmatix,0)
2.手写字与画图工具刷子的区别，可以改用画图工具的“颜料刷”，更加拟合手写字

darkformsolar
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow（七）如何提高手写数字识别准确率
yang_jianfeng的博客
09-30 1949
如何提高手写数字识别准确率
手写数字识别率低的原因
12-12
用官方提供的Mnist代码训练好模型之后，想自己手写几张图片测试一下模型的效果，结果发现识别率很低，可以参考文档中的方法
通过mnist.npz进行手写数字识别训练后，在使用自己的手写数字进行验证时出现识别准确率低的一种可能原因
yaohy0726的博客
06-19 1600
TensorFlow 2.0 (五) - mnist手写数字识别(CNN卷积神经网络) 在按照上文给出的训练方法进行手写数字识别训练之后，在进行验证时出现识别准确率低的问题 直到阅读了深入浅出机器学习MNIST实战（三）一文后发现，文中使用了不同的读取验证图片的方式，而且使用此方法后，识别准确率明显提高。 其中验证图片读取代码如下： if False: img = Image.open(image_path).convert('L') flatten_img = np.reshape(img
Mnist模型识别自己手写数字正确率低的原因
xiaqi4145
12-12 1万+
做老板的助教，大三学生问的比较多的问题，记录一下。 问题背景： 有的同学用官方的训练数据mnist训练好自己的模型后，自己制作数字图片给训练好的模型识别，结果正确率只有40%多，甚至用原来训练的数据集识别正确率都低于50%. 解决方法： 可以从下面几个方面入手，把自己手写的数字识别率提高到80%不难： 原因1：西方手写体和东方手写体造成的样本差异 ...
使用Tensorflow 编写CNN进行手写数字识别准确率上不去
qq_44076218的博客
05-03 1322
#导入 import tensorflow as tf from tensorflow.keras.datasets import mnist from tensorflow.keras.models import Sequential #数据加载 (train_images,train_labels),(test_images,test_labels)=mnist.load_data() #卷积输入要求：H-图片数、N-图片高、W-图片宽、C-图片通道 #数据处理 train_images=tf.res
CV小白实践--实现MNIST手写数字识别时遇到的问题
MARK_wangcai的博客
10-09 555
1.RuntimeError: size mismatch, m1: [800 x 4], m2: [320 x 50] 问题原因：这个问题出现在神经网络最后一层卷积层与第一层全连接层之间。首先来看一下我实现的神经网络的结构。 def __init__(self): super(Net,self).__init__() self.conv1 = nn.Conv2d(1,10,5) self.pool = nn.MaxPool2d(kernel_size
深度学习之手写数字识别问题
minijump的博客
08-04 1642
1、手写数字数据集70k，其中60k作为训练数据集，另外10k用来测试 2、每张图片28*28个像素点，RGB=1，模型训练时要将图片打平为一维数组[784] 3、输入b张图片信息，输出预测值p（y=i|x） 4、加入一个非线性的激活函数relu函数，使得模型变为非线性模型 5、通过三道工序，将简单模型复杂化，每道工序相当于一个降维的过程，将[b,784]–>[b,10] 6、通过减小loss的值对模型进行迭代训练，得到不断优化的w’，b’，loss为y到out的距离 7、取out概率最大的
MNIST 数据集——手写字符识别(未调用现有库，bp和knn，含代码)
qq_50267787的博客
06-17 2408
MNIST 数据集——手写字符识别(未调用现有库，bp和knn，含代码)
手写数字识别
02-12
手写数字识别是使用数字图像并识别图像中存在的数字的解决方案。 该模型是使用MNIST数据集的手写数字识别模型的实现。 该模型使用卷积神经网络来识别数字。 在这种情况下，甚至还内置了GUI，您可以在其中绘制...
实验一 手写数字识别实验指导书1
08-08
实验一 手写数字识别是深度学习入门的经典实践，主要目标是利用卷积神经网络（CNN）识别MNIST数据集中的手写数字。在这个实验中，我们将详细讨论卷积神经网络（CNN）、TensorFlow的使用以及实验的基本流程。 1. **...
利用神经网络手写数字识别方法
05-14
【摘要】 本文主要探讨了如何利用神经网络技术对手写数字进行识别，这一...总之，利用神经网络进行手写数字识别是一种先进的技术，具有很高的实用价值。通过深入研究和不断优化，我们可以期待在该领域取得更大的突破。
基于机器学习和图像处理的手写数字识别项目
03-01
手写数字识别项目是一个基于机器学习和图像处理技术项目，旨在实现对手写数字的自动识别。该项目提供了一个端到端的解决方案，包括数据预处理、模型训练和部署等环节。 该项目的主要特点包括： 数据集：采用了经典...
基于python的手写数字识别系统源码数据库论文.docx
07-02
本文主要介绍了一个基于Python的手写数字识别系统的开发过程，包括其背后的理论基础、技术选型、系统设计流程以及实现方法。该系统旨在通过计算机视觉技术，模拟人类对手写数字的理解和识别，具有广泛的应用前景，如...
【手写数字识别】之训练调试与优化
m0_60093126的博客
06-10 575
【手写数字识别】之训练调试与优化
libsvm中数据归一化的重要性
热门推荐
刘伟的博客
05-23 1万+
这两天用Python来实现手写数字识别，刚开始用原始数据进行训练，结果预测结果都是同一个类别，全部是对应数字1。正确率也只有10%左右，下面是代码及运行结果截图： 预测结果都是数字1。  数据归一化是指将特征值从一个大范围映射到[0,1]或者[-1,1]，如果原始值都是正数，则建议选择映射到[0,1]；如果原始值有正数又有负数，则建议映射到[-1,1]；具体情况需要具体分析。映射到[0,1]的实现
tensorflow之MNIST手写数据集准确度训练
weixin_42767674的博客
01-30 208
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # number 1 to 10 data mnist = input_data.read_data_sets('MNIST_DATA', one_hot=True) #如果第一次运行没有数据包将会在网上下载 def add_layer(inputs, in_size, out_size, activation_func
tensorflow 训练 MNIST 数字标签准确率只有0.098的解决办法
weixin_41718413的博客
09-23 1430
http://tensorfly.cn/tfdoc/tutorials/mnist_beginners.html 按照教程中代码梯度为0.01 原始：train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) 结果：print(sess.run(accuracy, feed_dict={x: ...
深度学习：不调TensorFlow，自己写神经网络学习MNIST数据集（1）—基础版（正确率96%~97%）
CxsGhost的博客
03-12 831
嗷嗷
【深度学习】实现基于MNIST数据集的TensorFlow/Keras深度学习案例
最新发布
jackson_lingua的博客
06-22 818
深度学习是数据科学的一个方面，它推动了许多应用程序和服务，这些应用程序和服务可以提高自动化水平，无需人工干预即可执行分析和物理任务。本文简要介绍基于TensorFlow/Keras的深度学习案例，使用最流行的MNIST数据集。希望对读者有所帮助。
MNIST手写数字识别系统
05-12
MNIST手写数字识别系统需要通过训练模型，自动学习如何对这些图片进行分类，最终达到高准确率的识别效果。 在实现MNIST手写数字识别系统时，我们可以使用各种机器学习算法，比如KNN、SVM、决策树、神经网络等等。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值