tensorFlow识别手写数字
2018-03-25 13:44
162 查看
tensorFlow识别手写数字
http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html小感言
这些天一直疲于奔波,感慨颇多。一直在思考发展方向的问题,可能自己有点技术控。很多人都觉得读书多就应该赚钱多,读书的最终目的就是赚钱么。当然读书不可能完全脱离烟火,但我个人觉得读书的目的不是赚钱,赚钱只是附带产品。像什么某某没读什么书,就可以赚很多钱的例子,简直就是屁话。有谁说过读书的作用就是赚钱。学什么东西,有什么感悟这本身就是一种人生体验,或者就是为了这种体验,不管是高尚也好,单纯的享受也罢,只有意识状态提升,才能正真体会良多。机器学习的实质
这一小节刚开始没懂,最近在飞机上好像看懂了。环境没搭建,也没做实验,感觉意义不大。不过好像这一章是后面理论的基础,就把自己的理解写出来记录下。个人理解机器学习就是把特定方程式的特定参数通过大量样本进行训练规范,是的方程式在普遍情况下能够适应相应的计算环境。
就拿识别手写数字这一章来说,我们实际上是把一个叫做MNIST的机器视觉数据集来训练实际的识别模型的。
具体来说,就是这个视觉训练数据集中就有大量的手写数字的样本。这些样本风别就是不同样式的0-9的数据的手写样本。首先我们需要把样本所对应的数字确定成相应的数字映射。
这里方程式的确认是通过
我们抛开其他只说这个公式,个人觉得这个公式是核心。
i代表数字代号
evidence其实可以算是每个数字代表的概率
j代表给定图片的像素索引,用来确定某个像素。
x代表图片索引,b是个偏移用来消除无关影响。
而我们的目的就是通过大量的样本,来训练w权重和b偏移,实现的效果就是可以通过未知图片确定是0-9当中的相应数字的概率,最后通过比较每个数字相应的概率确定概率最大的数字为识别出来的数字。
这样来说,深度学习,其实本质较好的还原了学习的过程。通过大量的样本,确定权重和偏移。就能够对需要判断的事件进行概率上的预估,从而实现识别的目的。其实,人类的认知过程也是比较类似的。
相关文章推荐
- TensorFlow笔记(三)--CNN识别手写数字
- 学习笔记(五)Tensorflow实现Soft Regression简单识别MNIST手写数字
- TensorFlow基础教程:搭建简单的DNN实现手写数字识别
- Tensorflow手写数字识别在android中的实现
- TensorFlow - 手写数字识别 (模型的存储与加载)
- TensorFlow - 手写数字识别 (模型训练完成后的使用)
- Python(TensorFlow框架)实现手写数字识别系统的方法
- 07 训练Tensorflow识别手写数字
- Tensorflow实战之用softmax Regression识别手写数字
- tensorflow——用RNN实现MNIST手写数字识别
- TensorFlow用MNIST训练的模型来识别手写数字
- Tensorflow的Helloword:使用简单Softmax Regression模型来识别Mnist手写数字
- TensorFlow学习(2):非线性回归和简单的MNIST手写数字识别
- Tensorflow - Tutorial (7) : 利用 RNN/LSTM 进行手写数字识别
- TensorFlow实战之Softmax Regression识别手写数字
- 深度学习与TensorFlow实战(七)全连接网络基础—真实图片输出手写数字识别准确率
- python tensorflow 基于cnn实现手写数字识别
- tensorflow中MLP识别mnist手写数字
- 02:一文全解:利用谷歌深度学习框架Tensorflow识别手写数字图片(初学者篇)
- 基于TensorFlow解决手写数字识别的Softmax方法、多层卷积网络方法和前馈神经网络方法