# 基于深度学习的MNIST手写数字识别
手写数字识别是机器学习和计算机视觉领域的经典问题，其中MNIST（Modified National Institute of Standards and Technology）数据库提供了大量手写数字的样本，是研究者们进行图像分类任务的常用数据集。本文将介绍如何利用深度学习方法对MNIST数据集进行手写数字识别，并提供相关代码示例。
## MNIST
（Tensorflow框架）实现手写数字识别CNN使用Tensorflow操作MNIST数据 MNIST是一个非常有名的手写体数字识别数据集，在很多资料中，这个数据集都会被用作深度学习的入门样例。而TensorFlow的封装让使用MNIST数据集变得更加方便。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。在MNIST数据集中的每一张
转载
2024-09-06 00:02:11
76阅读
数据和方法今天依旧使用MNIST手写数字，方法也是MLP方法，这次我们让隐含层为1000个神经元。数据处理处理还是和上次一样。图片是28X28，我们要转换为一维的，这样才可以作为我们的输入层。图片标准化label值换为one-hot编码，做为输出层。代码：X_train = X_train.reshape(60000,78...
原创
2022-09-01 16:29:39
123阅读
数据和方法MNIST数据集是收集的手写字体，为单色图像，共有训练集60000项，测试数据集10000项。建模方法我们使用最简单的神经网络模型，多层感知器（MLP）。数据下载和处理数据下载Keras已经提供了模块用于下载数据，通过一下代码即可完成下载。### 首先导入程序所需要的库import numpy as npimport...
原创
2022-09-01 16:30:07
238阅读
材料和方法今天继续使用MNIST数据。方法：这次使用的方法为卷积神经网络（CNN）。卷积神经网络通
原创
2022-09-01 16:30:29
260阅读
Pytorch搭建CNN网络对MNIST手写数字数据集进行分类本篇笔记主要对应于莫凡Pytorch中的4.1和4.2节。主要讲了如何使用Pytorch搭建CNN网络对MNIST手写数字数据集进行分类。MNIST手写数字数据集MNIST手写数字数据集是一个经典的数据集，经常被用于各类教程的入门案例。 在Pytorch中，已经为我们提供了相应的下载和处理接口函数。这里，我们可以使用torch
学习机器学习也有段时间了，借《机器学习 实战》的第一篇中的例子来记录下自己的学习过程吧，《实战》中的第一讲即是利用k近邻分类器进行手写体的识别，原理很简单，由于手写体的数字已经被处理成用01表示的文本，如图所示 在进行识别的时候，把要识别的文本转化成一个32*32的矩阵，为了方便计算，又将该矩阵转化为一个1024维的向量，然后将该向量与训练的样本相减求模，选择模最小的几
转载
2023-12-27 17:14:27
63阅读
上一篇使用TensorFlow识别手写数字，是直接采用了softmax进行多分类，直接将28*28的图片转换成为了784维的向量作为输入，然后通过一个(784,10)的权重，将输入转换成一个10维的向量，最后再将对每一个数字预测一个概率，概率最大的数字就是预测的结果。因为，直接将图片转成一个784维的向量，丢弃了图片原有的结构信息，但是最后对于测试集准确率还是可以达到91%。这一篇，介绍通过CNN
转载
2024-07-15 15:25:13
25阅读
文章目录Step1：数据准备Step2：网络配置2.1 定义多层感知器2.2 定义数据层2.3 获取分类器2.4 定义损失函数和准 型训练曲线3.4 训练并保存模型Step5：模型预测5.2 ...
原创
2022-04-22 14:39:08
838阅读
文章目录Step1：数据准备Step2：网络配置2.1 定义多层感知器2.2 定义数据层2.3 获取分类器2.4 定义损失函数和准确率2.5 定义优化函数Step3: 模型训练 and Step4: 模型评估3.1 创建训练的Executor3.2 告知网络传入的数据分为两部分，第一部分是image值，第二部分是label值3.3 展示模型训练曲线3.4 训练并保存模型Step5：模型预测5.2 ...
原创
2021-06-18 14:22:11
1587阅读
通过深度学习神经网络，基于MNIST实现手写数字识别算是深度学习里的“Helloworld”了，记录一下个人的实现过程。思路：将图片格式化成28*28=784像素的灰度图片，如下图：每个像素都是一个0~255的颜色值，这样我们就得到了如下数组：此为输入层。收集手写图片，制成标准化的图片还是很麻烦的，可以使用MNIST提供好的图片：也可以使用已经数字化的文件：以mnist_test_10.csv的一
原创
2021-01-23 23:23:18
2737阅读
需求：利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；先验数据（训练数据）集：♦数据维度比较大，样本数比较多。♦ 数据集包括数字0-9的手写体。♦每个数字大约有200个样本。♦每个样本保持在一个txt文件中。♦手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：数据集压缩包解压后有两个目录：（将这两个目录文
转载
2024-01-11 07:57:20
69阅读
Tensorflow Mnist手写数字识别学习
原创
2021-12-01 17:25:48
335阅读
Tensorflow Mnist手写数字识别学习1准备工作定义模型定义占位符定义神经网络和前向传播过程损失函数及优化器定义准确率超参数及参数的设置训练模型训练结果准备工作%matplotlib inlineimport matplotlib.pyplot as pltimport tensorflow as tfimport tensorflow.examples.tutorials.m...
原创
2021-12-01 17:26:01
456阅读
前言MNIST数据集由250个不同的人手写而成，总共有7000张手写数据集。其中训练集有6000张，测试集有1000张。每张图片大小为28x28，或者说是由28x28个像素组成。这章打算用一个简单的模型进行手写字符识别。MNIST下载MNIST数据集的方式有很多，可以去MNIST官网下载，也可以用函数api下载 官网下载网页为：://yann.lecun./exdb/mnist/，复
转载
2023-11-26 23:09:11
337阅读
手写数字识别算法之kNN1、k-近邻算法 ①原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每一个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每一个特征进行比较；然后算法提取样本集中特征最相近数据（最邻近）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-邻近算法中k的出处。通常k是不大于20的整数。最后选
转载
2023-11-28 12:16:18
192阅读
从这篇文章开始，终于要干点正儿八经的工作了，前面都是准备工作。这次我们要解决机器学习的经典问题，MNIST手写数字识别。首先介绍一下数据集。请首先解压：TF_Net\Asset\mnist_png.tar.gz文件 文件夹内包括两个文件夹：training和validation，其中training文件夹下包括60000个训练图片validation下包括10000个评估图片
代码的基本结构还是延续我上一篇通过深度学习神经网络，基于MNIST实现手写数字识别的结构，只是神经网络部分使用了Pytorch的API。有一些地方要多说一点，但是不展开讲：1、激活函数选用了ReLU，而非之前的sigmoid，二者的不同，网上文章很多，有机会总结一下。2、可以跟前文的代码进行比较看，主要看train、query两个方法，感受一下Pytorch的封装。3、用Pytorch构建的神经网
原创
2021-01-23 23:24:38
876阅读
本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇
原创
2021-12-28 15:42:03
232阅读
⛄ 内容介绍人类文明的发展离不开信息的传递.文字一直是人们传递信息的一个重要媒介,承载着记录人类文明的重要使命.随着科技的发展,积累的文字信息日益增多,有效的存储和利用这些文字信息成为一个亟待解决的问题.光学字符识别的出现为这一问题提供了解决方法.手写体数字识别是光学字符识别的重要分支,因其在金融,邮政,医疗,交通,教育等领域中广泛的应用而日益被重视.目前,已有多种手写体数字识别算法,但都很难满足
