1.案例背景本文是跟着Tensorflow官方文档的第二篇教程–识别手写数字。MNIST是一个简单的计算机视觉数据集，它是由一系列手写数字图片组成的，比如： 在数据集中，每一张图片会有一个标签label,表示该张图片上的数字是什么。比如以上图片所对应的标签是：5,0,4,1对于初学者，为什么开篇就要介绍这个案例呢？举个栗子， 当我们学习写程序的时候，第一句打印的就是“Hello world”。那么
转载
2024-05-14 11:37:44
58阅读
在自己的windows环境下配置好了深度学习的环境，本文主要记录一下用深度学习的环境下实现一个简单的手写数字识别的模型训练和使用。1、在pycharm中配置conda环境： 环境配置好以后，可以开始手写数字识别的代码了2、加载tensorflow和 keras的库import tensorflow as tf
from tensorflow.keras import datasets, lay
转载
2024-04-23 13:02:04
193阅读
手写数字识别这次，我们使用CNN来实现手写数字识别。 CNN主要的层次：输入层卷积层激励层池化层全连接层CNN（Convolutional neural network），即卷积神经网络。卷积为理解为一个信号与另外一个信号进行叠加，产生新的信号的过程。 在卷积神经网络中，可认为具有固定权重的滑动窗口与原窗口的数据进行对位相乘再相加的过程。 卷积的过程：http://cs231n.github.io
转载
2024-04-25 13:09:52
121阅读
参考博客：《参考博客一》《参考博客二》《MNIST代码理解》所需环境：已安装opencv环境下载好MNIST数据集pycharm一些库的安装实现效果： 这是手写的两个字，进行opencv二值化处理后，得到两张28*28像素的图片，即可进
转载
2023-09-06 18:37:17
338阅读
一、MNIST数据集和DBRHD数据集简介 MNIST数据集 MNIST数据集下载链接：http://yann.lecun.com/exdb/minst/ 该数据集包含0-9的手写体图片数据集，并且图片已经归一化为以手写数字为中心的2828规格的图片。MNIST数据集由训练集和测试集组成，训练集由60000个手写体图片及对应标签，测试集有10000个手写体图片及对应标签。 1）MNIST数据集中的
转载
2024-01-15 06:07:07
135阅读
本文将用卷积神经网络模型，对手写数字集minist进行分类识别，用的框架是keras。MNIST是一个手写体数字的图片数据集，该数据集来由美国国家标准与技术研究所发起整理，一共统计了来自250个不同的人手写数字图片，其中50%是高中生，50%来自人口普查局的工作人员。该数据集的收集目的是希望通过算法，实现对手写数字的识别。训练集一共包含了 60,000 张图像和标签，而测试集一共包含了 10,00
转载
2024-05-05 13:49:28
197阅读
一般而言，MNIST 数据集测试就是机器学习和深度学习当中的＂Hello World＂工程，几乎是所有的教程都会把它放在最开始的地方．这是因为，这个简单的工程包含了大致的机器学习流程，通过练习这个工程有助于我们加深理解深度学习的大致流程．MNIST 是一个小型的手写数字图片库，它总共有 60000 张图片，其中 50000 张训练图片，10000 张测试图片．每张图片的像素都是 28 * 28 它
转载
2023-11-10 22:37:00
310阅读
1.准备数据手写数字识别的特征集是一组数值为0-9,大小为 28 * 28 矩阵的图片, 标签为与之对应的数字:2.将数据格式化为 npz 文件"""
将图片和标签整理为 npz 文件
"""
import numpy as np
import os
from PIL import Image
import json
# 读取图片
# 存到 npz 文件中的为 28 *28 的矩阵列表
tr
转载
2023-10-13 12:32:58
321阅读
逻辑回归实现数字手写识别我是用自己写的算法实现数字手写识别，采用的是Mnist的数据集，因为数据过多，所以我训练集取了600张，测试集取了100张提取图片因为mnist的数据集下载的是ubyte格式，我先把他转成jpg格式。 代码如下：def readfile(): # 读取源图片文件
with open('E:\\pycharm\\python-代码\\train-images.idx
转载
2024-02-19 23:00:37
601阅读
from sklearn.datasets import fetch_mldatafrom s
原创
2022-07-06 12:40:11
265阅读
本文的主要目的是教会大家运用google开源的深度学习框架tensorflow来实现手写体数字识别，给出两种模型，一种是利用机器学习中的softmax regression作分类器，另一种将是搭建一个深度神经网络以达到99%正确率的手写体数字识别模型。 其次，理解tensorflow工作流程和运行机制。最后，也会让大家了解一下深度神经网络的搭建过程。第一种模型我们知道，做机器学习的项目离不开数据，
转载
2024-03-28 11:53:10
67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
一、原理手写数字识别，或者说图像识别的本质就是把如下图所示的一张图片转换成计算机能够处理的数字形式。1、图像二值化将图片格式的数字4转换成由0和1组成的“新的数字4”。这是一个32×32的矩阵，数字1代表有颜色的地方，数字0代表无颜色的地方，这样就完成了手写数字识别的第一步也是最关键的一步：将图片转换为计算机能识别的内容——数字0和1，这个步骤又称为图像二值化。2、二维数组转换为一维数组经过图像二
转载
2023-10-15 13:35:15
557阅读
from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf # 载入MNIST数据集 mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) sess = tf.InteractiveSession() # 先定义好初...
转载
2019-07-20 16:54:00
207阅读
2评论
在开始之前，首先声明本篇文章参考官方编程指南，我基于官网的这篇文章加以自己的理解发表了这篇博客，希望大家能够更快更简单直观的体验MindSpore，如有不妥的地方欢迎大家指正。【本文代码编译环境为MindSpore1.3.0 CPU版本】准备环节确保已安装MindSpore（可以根据自己的硬件情况安装，CPU，GPU，Ascend环境均可）选择一个集成开发工具（Jupyter Notebook，P
转载
2023-11-24 11:36:09
183阅读
手写数字数据集是一个用于图像处理的数据集，这些数据描绘了 [0, 9] 的数字，我们可以用KNN 算法来识别这些数字。
上篇文章介绍了KNN 算法的原理，今天来介绍如何使用KNN 算法识别手写数字？1，手写数字数据集手写数字数据集是一个用于图像处理的数据集，这些数据描绘了 [0, 9] 的数字，我们可以用KNN 算法来识别这些数字。MNIST 是完整的手
转载
2024-06-07 21:09:17
89阅读
本文主要实现CNN卷积神经网络实现MNIST手写数字识别中的前向传播，其中的参数（权重与偏置）由文章“CNN卷积神经网络实现MNIST手写数字识别（一）训练得到本文与“CNN卷积神经网络实现MNIST手写数字识别（二）的区别在于：在前向传播过程中，所用的卷积函数、池化函数、不同层之间的数据传递均由自己手写完成，未调用任何官方函数。通过对本代码的编写，本人对卷积神经网络有了较为深入的了解，同时也可以
转载
2024-02-19 14:33:38
26阅读
一、问题与解决方案通过多元分类算法进行手写数字识别，手写数字的图片分辨率为8*8的灰度图片、已经预先进行过处理，读取了各像素点的灰度值，并进行了标记。其中第0列是序号（不参与运算）、1-64列是像素值、65列是结果。我们以64位像素值为特征进行多元分类，算法采用SDCA最大熵分类算法。 二、源码 先贴出全部代码： namespace MulticlassClassifica
转载
2024-08-08 08:37:51
39阅读
目录1. 导入库函数及设置相应的参数信息2. 图像处理函数3. 实时检测（循环检测）4. 最终结果 这个程序主要是解决了多个数字的问题，以及初版中因为数字离得太近导致识别效果不佳的问题 1. 导入库函数及设置相应的参数信息这一部分没有什么变化。。import cv2
import numpy as np
import tensorflow as tf
# #####设置参数##########
转载
2024-04-08 10:37:03
89阅读
手写识别的应用场景有很多，智能手机、掌上电脑的信息工具的普及，手写文字输入，机器识别感应输出；还可以用来识别银行支票，如果准确率不够高，可能会引起严重的后果。当然，手写识别也是机器学习领域的一个Hello World任务，感觉每一个初识神经网络的人，搭建的第一个项目十之八九都是它。我们来尝试搭建下手写识别中最基础的手写数字识别，与手写识别的不同是数字识别只需要识别0-9的数字，样本数据集也只需要覆
转载
2023-10-13 12:23:51
612阅读
