05_利用神经网实现MINST手写数字识别

利用神经网实现MNIST手写数字识别

1、实验描述

• 使用Python编程，输入为MNIST训练数据集，首先通过Tensorflow载入MNIST数据集并进行相应的特征提取等处理，其次采用Softmax
  Regression算法对数据集进行概率估算，然后训练模型构建神经网络，通过评估来对模型进一步地调整优化，进而便可以根据优化的模型预测识别新的手写数字。

• 实验时长：45分钟

• 主要步骤：

  • MNIST数据集加载

  • Softmax Regression算法进行概率估算

  • 训练测试模型构建神经网络

  • 评估模型计算准确率

2、实验环境

• 系统版本：CentOS7

• Python版本：3.6.5

• Matplotlib版本：Matplotlib 2.2.2

• Anaconda版本：Anaconda3.4.1

• Numpy版本：1.14.3

• scikit-learn版本：0.19.1

3、相关技能

• Python编程

• Softmax Regression构建神经网络

• Tensorflow编程

4、相关知识点