![60b33802027e929ce8055b73b2e34939.png](https://img-blog.csdnimg.cn/img_convert/60b33802027e929ce8055b73b2e34939.png)
纸上得来终觉浅,绝知此事要躬行。
“神经网络”是“机器学习”的利器之一,常用算法在TensorFlow、MXNet计算框架上,有很好的支持。
为了更好的理解与使用这件利器,我们可以不借助计算框架,从零开始,一步步构建模型,实现学习算法,并在一个图像识别数据集上,训练这个模型,再验证模型预测的准确率。
MNIST数据集
![ab99b28897aef543fb29f39da44daab4.png](https://img-blog.csdnimg.cn/img_convert/ab99b28897aef543fb29f39da44daab4.png)
能正确的提出问题,你已经解决了问题的一半。
这里“正确的问题”是MNIST,一个手写数字图片集数据的识别问题。
你可以在 Yann LeCun的官网下载这套数据集,共四个文件包:
train-images-idx3-ubyte.gz: 训练图片集 (9912422 bytes)
train-labels-idx1-ubyte.gz: 训练图片集的正确标签 (28881 bytes)
t10k-images-idx3-ubyte.gz: 测试图片 (1648877 bytes)
t10k-labels-idx1-ubyte.gz: 测试图片的正确标签 (4542 bytes)
每张图片包含一个手写数字。
![f928c4dabe49aabf91fdb6a9ac64b8b0.png](https://img-blog.csdnimg.cn/img_convert/f928c4dabe49aabf91fdb6a9ac64b8b0.png)