用CNN卷积神经网络识别手写数字（MNIS 厂数据集）

Question

本人刚入门。对于这类问题没有解决的思路，希望能求得专业人士的解答。

Answer 1

• 这篇博客: mnist手写数字体识别CNN训练测试完美复现，以及自己手写数字进行测试中的 1、mnist数据集介绍 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 这个数据集是来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST)。训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据。

  为什么要找这么多人来写呢？就是要增强学习结果的泛化能力，避免最后只认识某几个人的手写体。

  import pylab
  print('训练数据：',data.train.images)
  print('训练集尺寸：',data.train.images.shape)
  print('训练集标签尺寸：',data.train.labels.shape)
  print('测试集尺寸：',data.test.images.shape)
  print('测试集标签尺寸：',data.test.labels.shape)
  '''
  回归：
  训练数据： [[0. 0. 0. ... 0. 0. 0.]
   [0. 0. 0. ... 0. 0. 0.]
   [0. 0. 0. ... 0. 0. 0.]
   ...
   [0. 0. 0. ... 0. 0. 0.]
   [0. 0. 0. ... 0. 0. 0.]
   [0. 0. 0. ... 0. 0. 0.]]
  训练集尺寸： (55000, 784)
  训练集标签尺寸： (55000, 10)
  测试集尺寸： (10000, 784)
  测试集标签尺寸： (10000, 10)
  '''
  

  可以看到，在这个数据集中，训练集一共有55000个图片，存放在一个矩阵数组中，每一行是一个图片。测试机一共有10000个图片。他们对应的标签就是one_hot编码，例如数字0的标签是1000000000，数字1的标签是0100000000，以此类推。

  打印几张mnist中的图片来看一下：

  import pylab
  import tensorflow as tf
  from tensorflow.examples.tutorials.mnist import input_data
  DATA_DIR = 'MNIST_data'
  data = input_data.read_data_sets(DATA_DIR, one_hot=True)
  pylab.figure(figsize=(10,10))
  for i in range(10): 
      im = data.train.images[i]
      im = im.reshape((28,28))
      pylab.imshow(im)
      pylab.show()
  im
  

  
  这个数字。。。有的连我自己都不认识。

  每一个图片是这样保存的，都是一个28*28的数组。
  

• 以下回答由chatgpt基于相关博客总结生成:

  首先，感谢您对CNN卷积神经网络的学习和使用，下面是我对该问题的解答和建议：

  1. 数据集 首先需要下载MNIST数据集，可以使用TensorFlow提供的API进行下载，也可以到官网进行下载。下载完毕后可以采用TensorFlow提供的读取程序对数据集进行读取操作。

  2. 模型设计 CNN模型的设计主要包括卷积层、池化层、全连接层和输出层。这里建议使用TensorFlow框架，可以参考TensorFlow官网提供的样例进行操作。

  3. 模型训练 对于模型训练，可以采用TensorFlow提供的优化器进行梯度下降的计算。同时也需要对训练集和测试集进行分离，可以采用随机打乱的方式进行。

  4. 模型评估 在模型评估方面，可以采用测试集对训练好的模型进行评估和检验，主要包括准确率、精确率和召回率等指标，可以使用confusion_matrix函数进行计算。

  5. 代码实现 对于代码实现方面，在TensorFlow框架下可以采用以下代码进行实现：

  # 导入相关包
  import tensorflow as tf
  from tensorflow.examples.tutorials.mnist import input_data
  
  # 读取MNIST数据集
  mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
  
  # 设计卷积神经网络模型
  x = tf.placeholder(tf.float32, [None, 784])
  y_true = tf.placeholder(tf.float32, [None, 10])
  
  x_reshape = tf.reshape(x, [-1, 28, 28, 1])
  conv1 = tf.layers.conv2d(inputs=x_reshape, filters=32, kernel_size=[5, 5], padding="same", activation=tf.nn.relu)
  pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
  conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[5, 5], padding="same", activation=tf.nn.relu)
  pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)
  pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
  dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
  dropout = tf.layers.dropout(inputs=dense, rate=0.4)
  y_pred = tf.layers.dense(inputs=dropout, units=10)
  
  # 定义损失函数
  cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = y_pred, labels = y_true))
  
  # 定义优化器进行梯度下降计算
  train_step = tf.train.AdamOptimizer(0.001).minimize(cross_entropy)
  
  # 评估模型准确率
  correct_prediction = tf.equal(tf.argmax(y_pred, 1), tf.argmax(y_true, 1))
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  
  # 训练模型并测试模型准确率
  with tf.Session() as sess:
      sess.run(tf.global_variables_initializer())
      for i in range(2000):
          batch_xs, batch_ys = mnist.train.next_batch(100)
          sess.run(train_step, feed_dict = {x: batch_xs, y_true: batch_ys})
          if i % 100 == 0:
              acc = sess.run(accuracy, feed_dict = {x: batch_xs, y_true: batch_ys, keep_prob: 1.0})
              print("step %d, training accuracy %g" % (i, acc))
  
      # 对模型进行测试
      test_acc = sess.run(accuracy, feed_dict = {x: mnist.test.images, y_true: mnist.test.labels})
      print("test accuracy %g" % test_acc)
  

  希望对您有所帮助，如有任何疑问可随时在评论区提出，感谢您的阅读。