Mnist深度学习入门

最新推荐文章于 2024-09-17 15:14:03 发布

乾总裁

最新推荐文章于 2024-09-17 15:14:03 发布

阅读量1k

点赞数 3

分类专栏：浅谈文章标签：深度学习

本文链接：https://blog.csdn.net/weixin_43851486/article/details/103091907

版权

这篇博客介绍了MNIST手写数字数据集，包括数据集的组成、下载方式和处理过程。作者展示了如何将数据集转换为图片并进行one-hot编码，还解析了深度学习模型中的关键函数，特别是单层神经网络和softmax分类。最后，作者分享了使用梯度下降优化器进行学习的思路。

摘要由CSDN通过智能技术生成

mnist是什么?

MNIST是一个手写数字图像的数据集，每幅图像都由一个整数标记。它主要用于机器学习算法的性能对标。深度学习算法处理MNIST的效果相当好，准确率可达到99.7%以上。

MNIST数据集包含一个有6万个样例的训练集和一个有1万个样例的测试集。训练集用于让算法学习如何准确地预测出图像的整数标签，而测试集则用于检查已训练网络的预测有多准确。

这在机器学习领域中被称为有监督学习，因为我们已经知道图像预测所应该得出的正确答案。训练集能起到监督和指导的作用，在神经网络预测错误时予以纠正。

数据集样本

MNIST数据集下载(http://yann.lecun.com/exdb/mnist/),一共四个文件.

在这里，我们提供了一份python源代码用于自动下载和安装这个数据集。你可以下载这份代码，然后用下面的代码导入到你的项目里面，也可以直接复制粘贴到你的代码文件里面。

import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

下载文件	内容
train-images-idx3-ubyte.gz 9.45MB	训练图像数据
train-labels-idx1-ubyte.gz 0.

关注

专栏目录