一、项目平台
百度飞桨
二、项目框架
1.数据处理；
2.模型设计： 络结构，损失函数；
3.训练配置：优化器，资源配置；
4.训练过程；
5.保存加载。
三、手写数字识别任务
1.构建神经 络流程；
手写数字识别是一个典型的图像分类问题；
MNIST数据集；
2.构建神经 络设计思路：
（1）明确任务输入输出：
任务输入：手写数字图片，每张照片对应的28*28像素矩阵。
任务输出：经过大小归一化和居中处理，输出对应的0-9数字标签。
（2）模型构建的代码结构：
数据处理：
模型设计：
训练配置：
训练过程：
模型保存。
6.模型测试：
模型测试的主要目的是验证训练好的模型是否能正确识别出数字，包括如下四步：
（1）声明实例
（2）加载模型：加载训练过程中保存的模型参数，
（3）灌入数据：将测试样本传入模型，模型的状态设置为校验状态（eval），显式告诉框架我们接下来只会使用前向计算的流程，不会计算梯度和梯度反向传播。
（4）获取预测结果，取整后作为预测标签输出。
在模型测试之前，需要先从’./work/example_0.jpg’文件中读取样例图片，并进行归一化处理。
# 导入图像读取第三方库import matplotlib.image as mpimgimport matplotlib.pyplot as pltimport cv2import numpy as np# 读取图像img1 = cv2.imread('./work/example_0.png')example = mpimg.imread('./work/example_0.png')# 显示图像plt.imshow(example)plt.show()im = Image.open('./work/example_0.png').convert('L')print(np.array(im).shape)im = im.resize((28, 28), Image.ANTIALIAS)plt.imshow(im)plt.show()print(np.array(im).shape)
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！