基于Tensorflow框架的手寫數(shù)字識別

打開文本圖片集

摘要：文章利用Tensorflow深度學(xué)習(xí)結(jié)構(gòu)來構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，并采用激活函數(shù)對MINIST進(jìn)行訓(xùn)練；加入特征轉(zhuǎn)換過程，利用梯度下降優(yōu)化器，將數(shù)據(jù)降維；在輸出層上將全連接模型和Softmax層相結(jié)合，經(jīng)過交叉驗(yàn)證，達(dá)到90%以上的識別率。

關(guān)鍵詞：Tensorflow；MNIST；梯度下降優(yōu)化器；全連接模型

doi：10.3969/J.ISSN.1672-7274.2023.02.044

中圖分類號：TP 3                文獻(xiàn)標(biāo)示碼：A                  文章編碼：1672-7274（2023）02-0-04

Handwritten Digit Recognition Based on Tensorflow Framework

LI Linfeng， CHEN Jiayi， ZHENG Jiawei， LI Tong， WU Junqin

（School of Computer Science， Southwest Petroleum University， Chengdu 610500， China）

Abstract： This paper uses Tensorflow deep learning structure to build neural network model， and uses activation function to train MINIST; Add feature transformation process and use gradient descent optimizer to reduce data dimension; In the output layer， the full connection model is combined with the Softmax layer. After cross validation， the recognition rate is more than 90%.

Key words： Tensorflow; MINIST; gradient descent optimizer; full connection layer

0   引言

手寫體數(shù)字識別的實(shí)質(zhì)就是預(yù)測，預(yù)測出該圖片屬于哪一個(gè)類別就認(rèn)為這幅圖片則為哪一個(gè)數(shù)字。（剩余4647字）