TensorFlow MNIST 教程 🎯

MNIST 是一个经典的手写数字识别数据集，常用于机器学习入门。本教程将使用 TensorFlow 实现一个简单的 CNN 模型来识别 MNIST 图像。📚

步骤概览 🛠️

1. 环境准备：安装 TensorFlow 和相关依赖
2. 数据加载：从 Keras 数据库加载 MNIST 数据集
3. 模型构建：设计卷积神经网络结构
4. 训练与评估：训练模型并测试准确率
5. 保存模型：导出训练好的模型以备后续使用

代码示例 ✅

import tensorflow as tf
from tensorflow.keras import layers, models

# 加载 MNIST 数据集 📁
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# 构建模型 🏗️
model = models.Sequential([
    layers.Flatten(input_shape=(28, 28)),
    layers.Dense(128, activation='relu'),
    layers.Dropout(0.2),
    layers.Dense(10)
])

# 编译模型 🔄
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              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(f"Test accuracy: {test_acc}")

扩展阅读 📚

• TensorFlow 基础操作教程
• MNIST 数据集详解