tensorflow利用emnist数据集进行手写字母识别

 EMNIST 数据集是一个包含手写字母，数字的数据集，它具有和MNIST相同的数据格式。The EMNIST Dataset | NIST

1. 引用模块介绍：

import tensorflow as tf

import mnist

from tensorflow.keras import datasets, layers, models

import numpy as np

import matplotlib.pyplot as plt

import gzip,os

其中要注意的是，tensorflow和keras和numpy的版本一定要对应，如果不对应就无法正常引用，python版本也不能太新，3.6到3.7最佳，如果python版本不满足，可以安装anaconda，在anconda prompt中创建虚拟环境，让其中的python=3.6.5即可

Tensorflow=2.3.1  numpy=1.19.5  keras=2.4.3  这是一种可行的库的版本

2.1首先导入数据集和可视化

路径最好继续用相对路径 

 

显示训练集的第6张图片

 

 

2.2 神经网络模型

首先查看训练集和测试集的大小，为后面的步骤做准备

 

训练集的大小是124800，测试集的大小是20800

  

这里需要注意的是，如何确定神经网络的隐含层数以及每层的神经元数目

这里附上一个在stackoverflow上看到的经验公式：

  

经过计算，神经元的数目最好不要超过157，大致在75左右为佳，但是经过多次实验，发现在92个神经元的时候效果比较好

激活函数使用relu，效果比较好

输出层要设置27个输出节点，原因是标签到达26，而如果设置26个节点，接受的标签范围是[0,26)，不包括26.

迭代次数设置20次即可，不必过多

  

 

其中，x_train和x_test除以255是为了归一化，降低计算量

最终的结果如下：

最终测试的预测准确率在89.09%

2.3 卷积神经网络

 

其中，可以将全连接的神经元适当增加，从而增强准确率

 

在测试集中，预测的准确率在91.65%，相比于普通的神经网络，卷积神经网络的准确率更高一些，但是在算法上也更加复杂

遇到的最大的问题就是环境的配置问题了，之前对于tensorflow和keras的关系不了解，导致我安装的版本都是最新的版本，版本不对应，无法使用。一直会出现报错：版本不对（特别是tensorflow）但是报错并不会直接告诉你是版本的问题，在多个技术网站上搜索了好久，删除又创建了虚拟环境好多次，终于将需要的库安装完毕，并且可以正常使用。