keras MNIST手写数字数据集数字识别

1 介绍一下

  MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型手写数字数据库，包含 6万 个示例的训练集以及 1万 个示例的测试集。

  收集时间：1998年

  MNIST数字文字识别数据集数据量不太多，而且是单色的图像，比较简单，很适合深度学习的初学者用来练习建立模型、训练、预测。

2 环境准备

  在此之前，我已经装好了Anaconda，并且创建了两个虚拟环境，

  其实，之所以用虚拟环境，是为了解决包之间兼容性问题。

  下面激活虚拟环境

conda activate tensorFlowfu

  启动 jupyter notebook

 jupyter notebook

3 导入数据

  MNIST数据集里的每一个图片，其实就是28 * 28的矩阵，一共有六万个矩阵，构成了一个60000 * 28 * 28的数组。

  每个矩阵都对应一个标签，也就是一个数值，测试集的标签，是一个 1 * 60000 的数组。

4 数据预处理

5 建立模型

  大家一定要注意： 输入层—神经网络的第一层。 它接收输入信号（值）并将其传递至下一层，但不对输入信号（值）执行任何运算。 它没有自己的权重值和偏置值。

6 训练模型

7 评估模型准确率

8 进行预测