今天介绍如何利用卷积神经网络进行MNIST数据集的手写数字识别,即将手写数字图像images识别为数字标签labels 目录
建模思路如下图:
MNIST数据集共有训练数据60 000项、测试数据10 000项。其数据都由images(数字图像)与labels(真实的数字)所组成
尝试调用该数据集的第0项 下面展示数据集的前十项: 接下来进行数据预处理 1、 导入所需模块 2、读取数据 3、将fetures(数字图像特征值)转换为6000 x 28 x 28 x 1的四维矩阵
解释一下,这里的卷积层1是将一张手写数字图像以16个滤镜进行分解,分别侧重于同一张图片中不同的特征,池化层1是将分解得到的16张图片中与识别无关的信息切除,直观看来是将图片切掉了1/2大小。 卷积层2和池化层2做的工作相似。