深度学习实例之基于mnist的手写数字识别

本文主要是介绍基于mnist数据集的手写数字识别.

一 数据集

    mnist 数据集：包含 7 万张黑底白字手写数字图片， 其中 55000 张为训练集，5000 张为验证集， 10000 张为测试集。每张图片大小为 28*28 像素，图片中纯黑色像素值为 0， 纯白色像素值为 1。数据集的标签是长度为 10 的一维数组，数组中每个元素索引号表示对应数字出现的概率。在将 mnist 数据集作为输入喂入神经网络时，需先将数据集中每张图片变为长度784 一维数组，将该数组作为神经网络输入特征喂入神经网络。

    1. 使用tensorflow提供的数据集mnist,具体的加载方法为:

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data(data_path,one_hot=True)

    2. 数据集分为train,validation,test三个数据集.

        ① 返回数据集train样本数   mnist.train.num_examples

        ② 返回数据集validation样本数 mnist.validation.num_examples

        ③ 返回数据集test样本数  mnist.test.num_examples

    3. 使用mnist.train.images