【实战】详解与实战TensorFlow MNIST手写体数字识别（softmax and cnn）

MNIST是一套手写体数字的图像数据集，包含60000个训练样本和10，000个测试集，由纽约大学的Yann LeCun等人维护。

 

MNIST 手写体数字介绍

MNIST图像数据集使用形如【28，28】的二姐数组来表示每个手写体数字，数组中的每个元素对应一个像素点，即每张图像大小固定为28X28像素。

MNIST数据集中的图像都是256阶灰度图，即灰度值0表示白色（ 背景），255表示黑色（前景），使用取值为【0，255】的uint8数据类型表示图像。为了加速训练，我们需要做数据规范化，将灰度值缩放为【0，1】的float32数据类型。

 

由于每张图像的尺寸是28X28像素，为了方便连续存储，我们可以将形如【28，28】的二姐数组“摊平”成形如【784，】的一阶数组，可以表示256*256*···*256 =256^784 张不同的图像。

但这些图像并非每一张都代表有效的手写体数字，其中绝大部分都是如下的噪声图：

下载和读取MNIST数据集

import tensorflow as tf
# 从tensorflow.examples.tutorials.mnist 导入模块
# 这是TensorFlow 为了教学MNIST而提前编制的程序
from tensorflow.examples.tutorials.mnist import input_data
# 从MNIST_data/中读取MNIST数据，这条语句在数据不存在时，会自动执行下载
mnist = input_data.read_data_sets("MNIST_data/")

（这种方法是被广泛使用的下载和读取的方法，如今被废弃，但仍然好用只是会多出一些警告，可以不用管。）

以下是最新的下载使用方式，使用kears：

from keras.datasets import mnist
(x_train,y_train),(x_test,y_test) = mnist.load_data()