- 🍨 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。