Halcon 深度学习分类之Mnist应用

前言

如果你看过我上一篇博客https://blog.csdn.net/qq_18620653/article/details/106041187，那么在此基础上修改，很快就可以将水果分类的例子应用到Mnist上来。

下载数据集

首先下载Mnist数据集，记住解压后的路径（非常重要）链接：https://pan.baidu.com/s/10eF25cM6-Kis8nF8ziqHqA
提取码：wb7s

更改根目录

然后将代码中的MnistBaseFolder路径改为你下载数据集解压后的路径

一键运行Mnist

如果运行出现下图结果，恭喜你，F5一键跑起来吧。（预处理后图像以及训练后的Model均在MnistBaseFolder目录下）

训练效果

迭代100效果。

由于Mnist图像本来就小，所以我没有进行去除背景，仅改变图像尺寸。感兴趣的童鞋可以对图像进行其他预处理（比如求梯度，去除背景等），看看不同处理后的训练效果。
也可以增加迭代次数看看不同迭代次数对结果的影响。但有些童鞋要问，那到底训练多少次才是最好，总不能我设置100000，它训练好了还在一直跑吧。当然不能够，其实我们可以设定一个错误率，当达到我们设定的值时，训练就会自动结束，即使还没达到迭代次数。

交叉验证结果

测试

部分测试效果图

代码

链接：https://blog.csdn.net/qq_18620653/article/details/106043671

下一篇：Halcon 深度学习分类之工业应用

https://blog.csdn.net/qq_18620653/article/details/106064517