本文为数盟原创译文,转载请注明出处为“数盟社区”。
这篇文章介绍了使用TensorFlow创建自己的手写识别引擎的简单方法。在这里作为示例示出的项目。
完整的源代码可以登录GitHub https://github.com/niektemme/tensorflow-mnist-predict/
介绍
我正在进行一篇机器学习的文章的写作。现在写这个话题就难以忽视TensorFlow,一个由谷歌开源的深度学习引擎。深度学习是机器学习的一个分支,它使用人脑的概念中的神经网络的形式去解决各种问题,例如图象和语音识别(图像1)。这是一个很难用“传统”计算机解决的问题:用一台计算机作为一个大的计算器。
–Image 1: Deep Neural Network (source: Google)
TensorFlow是由谷歌创建的这个事实给了它很大的牵引力,尤其在我使用的网站技术中。为了了解更多关于TensorFlow的内容,我参加了阿姆斯特丹当地的“咖啡与编码”聚会,他们主持了“亲身参与TensorFlow”的活动。
在聚会中我们尝试从TensorFlow网站的教程来开展体验。该教程本身是明确的,写得很好。在我看来,似乎这些例子主要集中在构建和验证模型,但使用创建的模型并不是一个优先事项。一个例外是“图像识别”的例子。但是,更复杂的例子之一是,如果你不是一个机器学习专家那就会更难去使用。
通过搜索互联网,可能甚至要从创建TensorFlow的同一公司中使用某种AI,我发现更多的人试图寻找如何将所创建的模型应用到解决实际问题中去。
所以,我把目标设定在如何通过使用培训模型,在手写识别上使用TensorFlow MNIST教程更加便捷。
目标
该项目的目标是让我的电脑通过使用MNIST数据集的训练模型,来识别我自己手写的数字之一。该MNIST数据集包含了大量的手写数字和相应的标签(正确的数字)。
这就给出以下任务:
l用MNIST数据集训练一个模型。
l保存步骤1中的模型到文件。