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。
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 \}](https://i-blog.csdnimg.cn/blog_migrate/c7d7542b884269ea6e8aa5fa70f04cbb.gif)
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。
最低0.47元/天 解锁文章
2093
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
