T1：实现mnist手写数字识别

• 🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

• 语言环境：Python3.6.5

• 编译器：jupyter notebook

• 深度学习环境：TensorFlow2

 这周是Tensorflow入门的第一周，主要做了mnist手写数字识别。

数据集：

MNIST手写数字数据集来源于是美国国家标准与技术研究所，是著名的公开数据集之一。数据集中的数字图片是由250个不同职业的人纯手写绘制，数据集获取的网址为：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges（下载后需解压）。我们一般会采用(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()这行代码直接调用，这样就比较简单。

MNIST手写数字数据集中包含了70000张图片，其中60000张为训练数据，10000为测试数据，70000张图片均是28*28。

代码实现：

第一步：我先测了下是cpu还是gpu

第二步：cpu直接导入数据

第三步：数据归一化

使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使模型更准确。

加快学习算法的收敛速度。

第四步：可视化图片

第五步：调整图片格式

第六步：构建CNN网络模型

第七步：编译模型

第八步：训练模型

第九步：预测

这一周主要是照猫画虎了解了下TensorFlow手写数字识别的流程吧，不过经过这几周的训练，对python的熟悉程度上升了很多。今天在自己的论文里也用python独立完成了最麻烦的数据清洗。继续加油。