mnist手写数字数据集_深度学习入门-MNIST数据集

MNIST是什么

　　MNIST是一组经过预处理的手写数字图片数据集，它为机器学习的初学者提供了一个练手的机会，可以在真实的数据上用学到的算法来解决问题。由于很多的机器学习教程都以MNIST作为入门项目，因此它也被称作是机器学习领域的“hello world”。

　　MNIST中每个样本都是一张长28、宽28的灰度图片，其中包含一个0-9的数字。我们需要做的，就是根据训练数据建立一个模型用来识别输入图片中的数字。这是典型的分类问题，每个样本的输入是784维向量：一张图片有28*28=784个像素点，每个点用一个浮点数表示其亮度;输出是10维向量，十个分量分别表示输入图中数字是0~9的可能性，其中可能性最大的，就是算法预测的结果。

安装TensorFlow

　　本文的代码采用Python和TensorFlow编写，所以需要一个Python开发环境

GPU版本

框架

　　在开始具体的算法之前，我们先搭建一个通用的框架。框架要完成一些不同算法都需要做的工作，比如加载数据集、定义和训练模型，验证模型准确率等等。这样后面实现具体算法的时候就只需要关注跟算法相关的代码。

　　机器学习的过程，就是用模型对训练数据进行拟合的过程。这里有两个核心，其一是“模型”。一个机器学习模型应该包括两个部分：从输入到输出的计算过程，也就是框架里的inference()函数;以及计算模型拟合程度的损失函数，也就是loss()函数。本文中的几种算法，还有其他更复杂的机器学习算法，都是一些经过验证具有实用价值的模型。机器学习算法的第二个关键是“拟合”，也就是在给定的模型和训练