基于MNIST数据集的手写数字识别

最近刚学深度学习模型，今天说一下一个经典的Keras实列：基于MNIST数据集的手写数字识别，也是深度学习过程中的一个入门级别的模型。

首先介绍一下minst数据集：MNIST数据集(Mixed National Institute of Standards and Technology database)是美国国家标准与技术研究院收集整理的大型手写数字数据库,包含60,000个示例的训练集以及10,000个示例的测试集。

大概图片如下：

下载数据集可以通过代码直接下载，也可以下载压缩包（导入解压过程比较麻烦），mnist数据集分为4类：训练数据集，训练数据集标签，测试数据集和测试数据集标签，

当我们执行代码的时候，会自己去下载mnist数据集（建议在早上下载），当导入数据集以后，我们开始初始化数据，然后进行模型的训练，最后用测试集进行测试，得出损失和准确率。

首先，便是各种包的导入：

然后，便是Mnist数据集的导入，使用mnist.load_data()可以自己去下载，接下来便初始化数据。

对于数据初始化以后，便设计自己的模型，我设置了2层卷积，2层池化，为了过拟合，设置Dropout,最后一层全连接输出。

然后将数据导入模型，进行训练

最后。用测试集进行测试，得到准确度。

 

下面附上所有代码链接： https://github.com/litongtong10067/CNN