手写数字识别问题实战

本文介绍了手写数字识别问题,使用了深度学习中的线性回归模型,结合ReLU非线性激活函数,在TensorFlow框架下构建三层神经网络。模型输入为784节点(28x28像素),输出为10节点,代表10个数字的概率。通过训练和测试,实现了对MNIST数据集的有效识别。
摘要由CSDN通过智能技术生成

1、何为手写数字识别问题?

      手写数字识别即将如下图所示的各种各样的手写体阿拉伯数字识别出来的一个过程,这个问题已经被研究的很成熟了,也有人搜集和整理了手写数字的数据集-mnist。

2、如何解决手写数字识别问题?

       在本次的手写数字识别问题中我们运用到了前面所讲的线性回归模型,通过利用多层的线性回归,并引入非线性因素relu进行训练,训练好模型后进行测试,整个模型公式如下所示:

                                               out=relu\left \{ relu\left \{ relu\left [ X@W_{1} +b_{1}\right ] @W_{2}+b_{2}\right \}@W_{3}+b_{3} \right \} 

       上述公式所述的过程从直观上看就是一个如下图所示的三层神经网络 ,每一层都运用了线性回归,并运用了relu()函数作为网络中的非线性因素。在建立网络的过程中还运用到了tensorflow框架。

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值