# MRL-Mnist-Number-Master
# 手写数字识别器
## ——基于TensorFlow的FNN模型
本项目是作者(MRL Liu)基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是作者一个阶段总结性项目。基于MNIST的手写数字识别项目已是深度学习入门的必备项目,但区别于其他,本项目的特色是添加了模型的保存与加载功能、TensorFlow可视化功能、指数衰减法的学习率、滑动平均模型技术、L2正则化等常见技术和可视化手写数字图片功能等。整个项目基于良好的面向对象思想,方法定义层层推进,可以说是非常好的总结性学习材料。例如:
![image-20210419215548673](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419215548673.png)
本项目的所有代码共分为2个模块:
| **步骤** | **模块名称** | **主要任务** |
| -------- | -------------------- | -------------------------------------- |
| 一 | datahelper.py | 提供可视化读取后的图片文件数据的方法 |
| 二 | Model_Constructor.py | 提供定义模型、训练模型、评估模型的方法 |
# **(1)读取的MNIST图片数据可视化效果**
![image-20210419211623293](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419211623293.png)
# **(2)训练模型的TensorBoard效果**
定义的计算图结构在TensorBoard中的可视化效果:
![image-20210419212906164](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419212906164.png)
定义的loss和accuracy在TensorBoard中的可视化效果:
![image-20210419213108485](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419213108485.png)
![image-20210419213133427](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419213133427.png)
定义的模型变量在TensorBoard中的可视化效果:
![image-20210419213201903](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419213201903.png)
# **(3)测试模型的可视化效果**
在随机抽取图片的可视化预测效果:
![image-20210419211812899](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419211812899.png)
在训练3000次后模型在验证集中可以达到的准确率:0.9838
![image-20210419211831764](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419211831764.png)
# **(4)本项目开源地址等附加信息**
本项目使用的一些其他参考信息:
| **条目** | **说明** |
| -------------------- | ------------------------------------------------------------ |
| 本项目GitHub开源地址 | https://github.com/MagicDeveloperDRL/MRL-Mnist-Number-Master |
| 本项目作者博客地址 | https://blog.csdn.net/qq_41959920/article/details/115875588 |
| 本项目用到的第三方库 | Numpy,TensorFlow1.14.1,matplotlib, |
| 主要参考书籍 | 《TensorFlow实战Google深度学习框架》(第2版) |
| 数据集来源 | http://yann.lecun.com/exdb/mnist(本项目原工程中包含有数据集及保存的训练数据) |
本项目包含的文件目录结构如下:
![image-20210419212503003](C:\Users\Lab\AppData\Roaming\Typora\typora-user-images\image-20210419212503003.png)
如果读者不想下载多余的网络模型和TesorBoard文件,可以只下载代码datahelper.py和net_model.py和数据集mnist,然后仿照上述目录新建logs和models文件夹即可运行生成新的网络模型和TesorBoard文件。
没有合适的资源?快使用搜索试试~ 我知道了~
基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是一个阶段总结性项目.zip
共20个文件
gz:4个
meta:3个
index:3个
需积分: 0 0 下载量 180 浏览量
2024-01-14
12:37:20
上传
评论
收藏 20.06MB ZIP 举报
温馨提示
基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是作者一个阶段总结性项目。基于MNIST的手写数字识别项目已是深度学习入门的必备项目,但区别于其他,本项目的特色是添加了模型的保存与加载功能、TensorFlow可视化功能、指数等
资源推荐
资源详情
资源评论
收起资源包目录
本项目是作者(MRL Liu)基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是作者一个阶段总结性项目。基于MNIST的手写数字识别项目已是深度学习入门的必备项目,但区别于其他,本项目的特色是添加了模型的保存与加载功能、TensorFlow可视化功能、指数….zip (20个子文件)
lern_2
net_model.py 16KB
.gitattributes 66B
logs
events.out.tfevents.1618902502.DESKTOP-E4438MJ 4.22MB
models
model.ckpt-2999.data-00000-of-00001 3.03MB
checkpoint 178B
model.ckpt-999.data-00000-of-00001 3.03MB
model.ckpt-2999.index 497B
model.ckpt-1999.meta 76KB
model.ckpt-1999.data-00000-of-00001 3.03MB
model.ckpt-999.index 497B
model.ckpt-2999.meta 76KB
model.ckpt-1999.index 497B
model.ckpt-999.meta 76KB
__pycache__
datahelpter.cpython-36.pyc 2KB
README.md 4KB
datahelpter.py 2KB
mnist
t10k-images-idx3-ubyte.gz 1.57MB
train-labels-idx1-ubyte.gz 28KB
train-images-idx3-ubyte.gz 9.45MB
t10k-labels-idx1-ubyte.gz 4KB
共 20 条
- 1
资源评论
白话Learning
- 粉丝: 3318
- 资源: 2464
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功