TensorFlow学习之一：实现kaggle赛题Digit Recognizer

最新推荐文章于 2020-09-06 11:00:00 发布

幸运的Alina

最新推荐文章于 2020-09-06 11:00:00 发布

阅读量690

点赞数 1

分类专栏：深度学习 python学习笔记文章标签： tensorflow minist

本文链接：https://blog.csdn.net/qq_27575895/article/details/81708180

版权

本文介绍了使用TensorFlow从零开始学习解决Kaggle上的MNIST手写数字识别问题。通过训练和保存模型，最终实现90%的识别准确率，并展示了加载模型进行预测的流程。

摘要由CSDN通过智能技术生成

最近学习TensorFlow的时候，正好利用kaggle上的Minist数据集来入手。经历一段时间的折磨后，终于成功弄出了一个结果，至于优化类的后面再讲，今天就介绍下tensorflow入门minist。

一开始我是看着官网学习的，但是鉴于官网知识很有限，最后我都理解为我自己的东西了。

学习的部分我前半部分为训练模型加保存模型，后半部分为加载模型并预测。这里我们讲解也分为2部分来讲解。

先讲上部分，数据集来源于kaggle上的Minist项目

首先我们加载数据和观察数据，通过简单的观察，数据本身是没有缺失值的，

附上完整代码：

# !/usr/bin/env python3

import tensorflow as tf
import pandas as pd
import numpy as np

def read_data(filename):#读取数据
    data=pd.read_csv(filename)
    return data

def handle_data(data):
    y_data=data['label'].values.ravel() #获取标签数据
    data.drop(labels='label',axis=1,inplace=True) #Image 数据
    return data,y_data
def train_val_split(x_data,y_data):
    large=