python数字识别bayes_OpenBayes 下识别手写数字

了解过机器学习，尤其是最近几年大热的深度学习方法的朋友很可能有听过过 MNIST 这个数据集，数据集来自美国国家标准与技术研究所，National Institute of Standards and Technology (NIST)。训练集(training set)由来自 250 个不同人手写的数字构成，测试集(test set)也是同样比例的手写数字数据。

我们这里就借用这个数据集来介绍在 OpenBayes 中采用 Pytorch / Tensorflow 进行图片的分类。其中会使用到 OpenBayes 的数据集绑定、模型的训练以及模型的使用。

Tensorflow

获取代码

从 Github 下载样例代码：

git clone https://github.com/signcl/openbayes-mnist-example.git

cd openbayes-mnist-example/tensorflow

切换到所下载代码目录看到代码结构如下：

.

├── inference.py

├── openbayes.yaml

└── train.py

其中， .py 包含了执行机器学习模型训练和采用模型进行推断的代码

openbayes.yaml 包含了执行一个「Python 脚本」的配置，更多信息见 openbayes cli 配置文件

创建第一个任务 注意 这里介绍的是通过页面上传代码压缩包的流程，但是这已经不再是我们推荐的创建「Python 脚本」的最佳实践了，更好的方式参见 bayes 命令行工具入门。

数据集准备好后在页面左侧导航栏点击「新建算力容器」创建一个 Python 脚本执行的