【062】MNIST手写体数字识别

内容目录

一、MNIST 介绍1、MNIST 介绍2、获取MNIST数据的几种方法二、模型训练      1、keras 训练      2、感知机训练
      3、CNN训练

一、MNIST 介绍

1、MNIST 介绍

  MNIST数据集分为训练图像和测试图像。训练图像60000张，测试图像10000张，每一个图片代表0-9中的一个数字，且图片大小均为28*28的矩阵。

• train-images-idx3-ubyte.gz: training set images (9912422 bytes) 训练图片

• train-labels-idx1-ubyte.gz: training set labels (28881 bytes) 训练标签

• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes) 测试图片

• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes) 测试标签

2、获取MNIST数据的几种方法

• 方法1
   官网下载,MNIST数据集的版权在Yann LeCun教授手上，在他的主页下载即可。http://yann.lecun.com/exdb/mnist/下载4个gz文件，实际上这也是旧版TensorFlow中获取mnist的方法。注意，图像数据取值为0到1之间。

• 方法2
  谷歌 https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz 下载1个npz文件，实际上这也是新版TensorFlow中获取mnist的方法。注意，图像数据取值为0到255之间。

• 方法3
  通过TensorFlow获取，提前下载好放在这里就可以避免无法下载的问题。

#tensorflow 1.7以前
#下载好数据集，放到mnist文件夹下，可以避免无法下载的问题，然后指定datapath来读取。
from tensorflow.examples.tutorials.mnist import input_data
datapath = "./mnist/"
mnist = input_data.read_data_sets(datapath, one_hot=True)
train_x = mnist.train.images
train_y = mnist.train.labels
test_x = mnist.test.images
test_y = mnist.text.labels



#tensorflow 1.7以后
#下载好数据集mnist.npz，放于~/.keras/datasets/下，可以避免无法下载的问题
import tensorflow as tf 

(train_x, train_y), (test_x, test_y) = tf.keras.datasets.mnist.load_data(path='mnist.npz')

• 方法4

  通过Keras获取。

from keras.datasets import mnist
(train_x, train_y), (test_x, test_y) = mnist.load_data()

#:\Program Files\Python\Python36-64\Lib\site-packages\keras\datasets
# C:\Users\user_name\.keras\datasets

二、模型训练

 1、获数据集 

import tensorflow as tf
import time
import matplotlib
import matplotlib.pyplot as plt
start = time.time()
mnist = tf.keras.datasets.mnist


(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0 
#给定的像素的灰度值在0-255，为了使模型的训练效果更好，通常将数值归一化映射到0-1。 

print((x_train.shape, y_train.shape), (x_test.shape, y_test.shape)) 
#((60000, 28, 28), (60000,)) ((10000, 28, 28), (10000,))

2、查看其中图片

some_digit = x_train[3000]
some_digit_image = some_digit.reshape(28, 28)

plt.imshow(some_digit_image, cmap=matplotlib.cm.binary, interpolation="nearest")  #灰色的
#plt.imshow(some_digit_image) #彩色的
plt.axis('off')
plt.show()

                       

from keras.datasets import mnist #这里是从keras的datasets中导入mnist数据集
import matplotlib.pyplot as plt  #这里是将matplo