标签：手写数字识别

Keras Classifier 分类神经网络搭建

前期我们分享tensorflow以及pytorch时，分享过tensorflow以及pytorch的分类神经网络的搭建步骤，在哪里我们使用的训练集是mnist，同样Keras分类神经网络的搭建，我们同样使用mnist数据集来进行分类神经网络的搭建

继续阅读

上期文章，我们分享了Pytorch手写数字的训练，当pytorch训练完成后，保存了训练的参数，方便本期使用预训练参数，进行手写数字的识别

继续阅读

前期文章我们分享了tensorflow 的手写数字识别的训练以及识别过程，有网友私信是否写一下pytorch训练识别过程，本期文章我们来分享一下pytorch的手写数字训练

继续阅读

继续阅读

上期文章TensorFlow手写数字-训练篇，我们训练了我们的神经网络，本期使用上次训练的模型，来识别手写数字（本期构建TensorFlow神经网络代码为上期文章分享代码）

继续阅读

上期我们分享了CNN的基本结构，本期我们就拿MNIST数据集来训练一下手写数字的数据库，以便我们下期能够使用训练好的模型，来进行手写数字的识别。

继续阅读

本期我们结合MNIST数据集，来用代码来实现CNN。（手写数字识别是TensorFlow人工智能最基础的案例，这个跟学习编程语言的hello Word一样）

继续阅读

MINIST的数据分为2个部分：55000份训练数据（mnist.train）和10000份测试数据（mnist.test）。这个划分有重要的象征意义，他展示了在机器学习中如何使用数据。在训练的过程中，我们必须单独保留一份没有用于机器训练的数据作为验证的数据，这才能确保训练的结果的可行性。

继续阅读