(九)人工智能应用--深度学习原理与实战--前馈神经网络实现MNST手写数字识别-Toy模板网

这篇具有很好参考价值的文章主要介绍了(九)人工智能应用--深度学习原理与实战--前馈神经网络实现MNST手写数字识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

目标: 识别手写体的数字，如图所示:

(九)人工智能应用--深度学习原理与实战--前馈神经网络实现MNST手写数字识别,人工智能快速入门应用,人工智能,深度学习,神经网络

学习内容:
1、掌握MNIST数据集的加载和查看方法
2、熟练掌握Keras建立前馈神经网络的步骤【重点】
3、掌握模型的编译及拟合方法的使用，理解参数含义【重点】
4、掌握模型的评估方法
5、掌握模型的预测方法
6、掌握自定义图片的处理与预测

实现步骤:
1)下载MNIST数据集
2)加载、查看数据集
3)数据预处理、建立前馈神经网络模型
4)模型的编译、训练及评估
5)识别测试集上的图片
6)识别自定义的手写图片

一、下载MNIST数据集

下载完后建议放在操作系统当前用户的.keras/datasets/目录下，加载程序将优先从该目录中加载。也可以在加载时指定具他路径，如果程序找不到数据集，则会从服务器下载。

MNIST是经典的手写数字图片数据集，它采集了250个人的70000张手写图片，其中训练集60000张，测试集10000张。图片为28*28的灰度图像，数据集总大小约为11M。

下载地址:
https://s3.amazonaws.com/img-datasets/mnist.npz

使用代码文章来源地址https://www.toymoban.com/news/detail-635583.html

from tensorflow.keras

到了这里，关于(九)人工智能应用--深度学习原理与实战--前馈神经网络实现MNST手写数字识别的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！