【深度學習筆記】（二）基於MNIST數據集的神經網絡實驗

本文由@ray 出品，轉載請注明出處。  
文章鏈接： http://www.cnblogs.com/wolfray/p/7828901.html

---

 

一、介紹

MNIST（Mixed National Institute of Standards and Technology database）是網上著名的公開數據庫之一，是一個入門級的計算機視覺數據集，它包含龐大的手寫數字圖片。

無論我們學習哪門程序語言，我們最開始的一件事就是學習打印”Hello World！”。就好比編程入門有Hello World，Tensorflow入門有MNIST，通常把它當做Tensorflow的入門級例程。

從事深度學習的研究，數據集是相當重要的。數據集提供了大量的數據作為訓練集和驗證集。在深度學習領域如果想要在某一個方面有比較深入的研究成果，那么除了具備設計算法、模型能力之外，還要有豐富的訓練樣本。

MNIST的官網是http://yann.lecun.com/exdb/mnist，從這個網站上面可以下載到4個數據文件（分別是訓練樣本、訓練標簽、測試樣本、測試標簽）：

• train-images-idx3-ubyte.gz: training set images (9912422 bytes)
• train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)

• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)

  

下載到的圖片就像這種手寫數字一樣，但是提供的圖片格式並不是通用的圖片格式，用圖片瀏覽器是打不開的：

二、MNIST自帶模型分類

在下載下來的Tensorflow文件中，就已經自帶了MNIST的源碼，期中包含了以下5種模型：

1. fully_connected_feed.py：MNIST采用Feed方式訓練
2. mnist_deep.py：MNIST使用卷積神經網絡
3. mnist_softmax.py：MNIST采用softmax回歸訓練
4. mnist_softmax_xla.py：MNIST使用XLA框架
5. mnist_with_summaries.py：MNIST使用卷積神經網絡（CNN），並且訓練的過程可視化