MNIST 是机器学习领域经典的入门数据集，包含 28x28 的手写数字图像。以下将用 TensorFlow 实现一个简单的分类模型，适合初学者快速上手 🚀

步骤概览 📝

  1. 数据加载 📁
    使用 tf.keras.datasets.mnist 加载数据集，包含 60,000 张训练图和 10,000 张测试图

    MNIST_data

  2. 模型构建 🛠️
    创建一个包含 Flatten、Dense 层的全连接网络

    TensorFlow_Model_Structure

  3. 训练与评估 📈
    使用交叉熵损失函数和 Adam 优化器，准确率可达 98%+

    MNIST_Training_Results

代码示例 🧪

import tensorflow as tf

# 加载数据
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 数据预处理
x_train = x_train.reshape(-1, 28*28) / 255.0
x_test = x_test.reshape(-1, 28*28) / 255.0

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
model.evaluate(x_test, y_test)

扩展学习 📚