【深度学习笔记】（二）基于MNIST数据集的神经网络实验

一、介绍

MNIST（Mixed National Institute of Standards and Technology database）是网上著名的公开数据库之一，是一个入门级的计算机视觉数据集，它包含庞大的手写数字图片。

无论我们学习哪门程序语言，我们最开始的一件事就是学习打印”Hello World！”。就好比编程入门有Hello World，Tensorflow入门有MNIST，通常把它当做Tensorflow的入门级例程。

从事深度学习的研究，数据集是相当重要的。数据集提供了大量的数据作为训练集和验证集。在深度学习领域如果想要在某一个方面有比较深入的研究成果，那么除了具备设计算法、模型能力之外，还要有丰富的训练样本。

MNIST的官网是http://yann.lecun.com/exdb/mnist，从这个网站上面可以下载到4个数据文件（分别是训练样本、训练标签、测试样本、测试标签）：

• train-images-idx3-ubyte.gz: training set images (9912422 bytes)
• train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)

• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)

  

下载到的图片就像这种手写数字一样，但是提供的图片格式并不是通用的图片格式，用图片浏览器是打不开的：

二、MNIST自带模型分类

在下载下来的Tensorflow文件中，就已经自带了MNIST的源码，期中包含了以下5种模型：

1. fully_connected_feed.py：MNIST采用Feed方式训练
2. mnist_deep.py：MNIST使用卷积神经网络
3. mnist_softmax.py：MNIST采用softmax回归训练
4. mnist_softmax_xla.py：MNIST使用XLA框架
5. mnist_with_summaries.py：MNIST使用卷积神经网络（CNN），并且训练的过程可视化