神经网络实现MNIST手写数字分类

学习tensorflow使用神经网络实现MNIST手写数字分类的过程中遇到了很多问题，这里记录下来并总结

环境：

• windows11下的VM15，Ubuntu20.04，tensor环境，需要的包统一用conda install进行安装
• IDE为pycharm2021，实际自己练习时使用jupyter效果可能会更好

导包：

from tensorflow import keras

第一步没什么好说的，tensorflow是一个和pytorch齐名的框架，keras是作为tensorflow的核心接口

感兴趣可以使用单击tensorflow或者pytorch，再使用Ctrl+鼠标左键进行查看

获得数据集：

# 数据集 mnist
from tensorflow.keras.datasets import mnist
# 获取数据
(X_train, y_train),(X_test,y_test) =  mnist.load_data()

这样我们得到了训练集、测试集和标记，但是mnist具体是什么样子的我们不清楚

先看一下数据类型，再看shape

print(type(X_train))
print(X_train.shape)

<class 'numpy.ndarray'>
(60000, 28, 28)

这里可以下载mnist数据

http://yann.lecun.com/exdb/mnist/

四个文件都是ubyte文件，无法用软件打开，需要代码进行读取

# 将训练集数据形状从（60000,28,28）修改为（60000,784）
X_train = X_train.reshape(len(X_train),-1)
X_test = X_test.reshape(len(X_test),-1)
print(X_test.shape)

查看一些图片：

先编写一个将数据转化为图片的函数

import matplotlib.pyplot as plt
# 查看一些图片
def plot_images(imgs):
    """绘制几个样本图片
    :param show: 是否显示绘图
    :return:
    """
    sample_num = min(9, len(imgs))
    img_figure = plt.figure(1)
    img_figure.set_figwidth(5)
    img_figure.set_figheight(5)
    for index in range(0, sample_num):
        ax = plt.subplot(3, 3, index + 1