麦溪·在路上 | 麦溪·在路上

title: Linux系统上常用软件集锦
date: 2020-07-20 00:00:00
updated: 2022-01-05 00:00:00
tags: [Linux,四大组件,Activity]
type: [Linux,四大组件,Activity]
comments: Activity的生命周期完全解析
description: Activity的生命周期完全解析
keywords: Activity的生命周期完全解析
top_img:
mathjax:
katex:
aside:
aplayer:
highlight_shrink:

[TOC]

文章参考：https://github.com/kzbkzb/Python-AI

文章参考：https://mp.weixin.qq.com/s/TR13H-gTqlWKTzIhPATsaw

文章参考：https://zhuanlan.zhihu.com/p/379577547

概述

本文 GitHub https://github.com/kzbkzb/Python-AI 已收录

一、前期工作

\1. 设置GPU（如果使用的是CPU可以忽略这步）
\2. 导入数据
\3. 归一化
\4. 可视化图片
\5. 调整图片格式

二、构建CNN网络模型

三、编译模型

四、训练模型

五、预测

六、知识点详解

\1. MNIST手写数字数据集介绍
\2. 神经网络程序说明
\3. 网络结构说明

我的环境：

语言环境：Python3.6.5
编译器：jupyter notebook
深度学习环境：TensorFlow2

总结

本文使用的是最简单的CNN模型- -LeNet-5，如果是第一次接触深度学习的话，可以先试着把代码跑通，然后再尝试去理解其中的代码。

1. MNIST手写数字数据集介绍

MNIST手写数字数据集来源于是美国国家标准与技术研究所，是著名的公开数据集之一。数据集中的数字图片是由250个不同职业的人纯手写绘制，数据集获取的网址为：http://yann.lecun.com/exdb/mnist/（下载后需解压）。我们一般会采用(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()这行代码直接调用，这样就比较简单

MNIST手写数字数据集中包含了70000张图片，其中60000张为训练数据，10000为测试数据，70000张图片均是28*28，数据集样本如下：