基于TensorFlow的FNN模型——MNIST手写数字识别器（一）之前言【开源】

MNIST手写数字识别器

——基于TensorFlow的FNN模型

目录

前言

（1）读取的MNIST图片数据可视化效果

（2）训练模型的TensorBoard效果

（3）测试模型的可视化效果

（4）本项目开源地址等附加信息

---

前言

本项目是作者（MRL Liu）基于TensorFlow框架训练的一个全连接网络的手写数字识别器，是作者一个阶段总结性项目。

基于MNIST的手写数字识别项目已是深度学习入门的必备项目，但区别于其他，本项目的特色是添加了：

模型的保存与加载功能、TensorFlow可视化功能、指数衰减法的学习率、滑动平均模型技术、L2正则化等常见技术和可视化手写数字图片功能等。

整个项目基于良好的面向对象思想，方法定义层层推进，可以说是非常好的总结性学习材料，例如：

本项目的所有代码共分为2个模块：

步骤	模块名称	主要任务
一	datahelper.py	提供可视化读取后的图片文件数据的方法
二	net_model.py	提供定义模型、训练模型、评估模型的方法

（1）读取的MNIST图片数据可视化效果

 

（2）训练模型的TensorBoard效果

定义的计算图结构在TensorBoard中的可视化效果：

 

定义的loss和accuracy在TensorBoard中的可视化效果：

 

定义的模型变量在TensorBoard中的可视化效果：

 

（3）测试模型的可视化效果

在随机抽取图片的可视化预测效果：

 

在训练3000次后模型在验证集中可以达到的准确率：0.9838

 

（4）本项目开源地址等附加信息

本项目使用的一些其他参考信息：

条目	说明
本项目GitHub开源地址	https://github.com/MagicDeveloperDRL/MRL-Mnist-Number-Master
本项目作者博客地址	https://blog.csdn.net/qq_41959920/article/details/115875588
本项目用到的第三方库	Numpy,TensorFlow1.14.1,matplotlib,
主要参考书籍	《TensorFlow实战Google深度学习框架》（第2版）
数据集来源	http://yann.lecun.com/exdb/mnist（本项目原工程中包含有数据集及保存的训练数据）

本项目包含的文件目录结构如下：

 

如果读者不想下载多余的网络模型和TesorBoard文件，可以只下载代码datahelper.py和net_model.py和数据集mnist，然后仿照上述目录新建logs和models文件夹即可运行生成新的网络模型和TesorBoard文件。

该项目的更多详细内容分析可以看作者的其他博客。