基于Tensorflow框架的手写数字识别

打开文本图片集

摘要：文章利用Tensorflow深度学习结构来构建神经网络模型，并采用激活函数对MINIST进行训练；加入特征转换过程，利用梯度下降优化器，将数据降维；在输出层上将全连接模型和Softmax层相结合，经过交叉验证，达到90%以上的识别率。

关键词：Tensorflow；MNIST；梯度下降优化器；全连接模型

doi：10.3969/J.ISSN.1672-7274.2023.02.044

中图分类号：TP 3                文献标示码：A                  文章编码：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

手写体数字识别的实质就是预测，预测出该图片属于哪一个类别就认为这幅图片则为哪一个数字。（剩余4647字）