Python实战之MNIST手写数字识别详解

更多python教程请到友情连接： 菜鸟教程https://www.piaodoo.com

初中毕业读什么技校 http://cntkd.net

茂名一技http://www.enechn.com

ppt制作教程步骤 http://www.tpyjn.cn

兴化论坛http://www.yimoge.cn

电白论坛 http://www.fcdzs.com

目录

• 数据集介绍

• 1.数据预处理

• 2.网络搭建

• 3.网络配置

• • 关于优化器
  • 关于损失函数
  • 关于指标

• 4.网络训练与测试

• 5.绘制loss和accuracy随着epochs的变化图

• 6.完整代码

数据集介绍

MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片，且内置于keras。本文采用Tensorflow下Keras（Keras中文文档）神经网络API进行网络搭建。

开始之前，先回忆下机器学习的通用工作流程（ √表示本文用到，×表示本文没有用到 )

1.定义问题，收集数据集（√）

2.选择衡量成功的指标（√）

3.确定评估的方法（√）

4.准备数据（√）

5.开发比基准更好的模型（×）

6.扩大模型规模（×）

7.模型正则化与调节参数（×）

关于最后一层激活函数与损失函数的选择

下面开始正文～

1.数据预处理

首先导入数据，要使用mnist.load()函数

我们来看看它的源码声明：

def load_data(path=‘mnist.npz’):
“”"Loads the [MNIST dataset](http://yann.lecun.com/exdb/mnist/).

This is a dataset of 60,000 28x28 grayscale images of the 10 digits,
along with a test set of 10,000 images.
More info can be found at the
MNIST homepage.

Arguments:
path: path where to cache the dataset locally
(relative to ~/.keras/datasets).

Returns:
Tuple of Numpy arrays: (x_train, y_train), (x_test, y_