TensorFlow MNIST 教程

MNIST 数据集是机器学习和深度学习领域非常著名的数据集，它包含了 60,000 个训练样本和 10,000 个测试样本，每个样本都是一个 28x28 的灰度图像，代表一个数字的手写体。

以下是一个简单的 TensorFlow MNIST 教程，我们将使用 TensorFlow 的 Keras API 来构建一个简单的卷积神经网络（CNN）模型，用于识别手写数字。

安装 TensorFlow

首先，确保你已经安装了 TensorFlow。可以使用以下命令进行安装：

pip install tensorflow

数据加载

import tensorflow as tf

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

# 归一化数据
x_train, x_test = x_train / 255.0, x_test / 255.0

构建模型

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

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

test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)

使用模型进行预测

predictions = model.predict(x_test)
print(predictions[0])

更多关于 TensorFlow 的内容，请访问我们的 TensorFlow 教程页面。

MNIST 数据集示例