深度學習100例「2」使用CNN模型實現中文手寫數字識別

極鏈AI雲、k同學

深度學習100例

使用CNN模型實現中文手寫數字識別

上世紀60年代，Hubel等人透過對貓視覺皮層細胞的研究，提出了感受野這個概念，到80年代，Fukushima在感受野概念的基礎之上提出了神經認知機的概念，可以看作是卷積神經網路的第一個實現網路，神經認知機將一個視覺模式分解成許多子模式（特徵），然後進入分層遞階式相連的特徵平面進行處理，它試圖將視覺系統模型化，使其能夠在即使物體有位移或輕微變形的時候，也能完成識別。

本次我們基於CNN網路模型，實現對中文手寫數字的識別。

復現所需的ipynb、py檔案及資料集均由網盤分享

目錄

01 環境搭建

02 匯入資料

03 構建模型

04 編譯

05 訓練

06 評估

01 環境搭建

- 語言環境：Python3。8

- 編譯器：jupyter notebook

- 深度學習環境：TensorFlow2。4。1

- 深度學習平臺：極鏈AI雲

- 顯示卡（GPU）：NVIDIA A100

設定GPU

設定GPU

02 匯入資料

Pandas匯入資料

# 檢視是否有缺失資料def missing_data（data）： total = data。isnull（）。sum（）。sort_values（ascending = False） percent = （data。isnull（）。sum（）/data。isnull（）。count（）*100）。sort_values（ascending = False） return pd。concat（［total， percent］， axis=1， keys=［‘Total’， ‘Percent’］）missing_data（data_df）

檢查資料是否有缺失

劃分資料集

Train set rows： 9600

Test set rows： 3000

Val set rows： 2400

（9600， 8）

04 編譯

05 訓練

06 評估

Accuracy與Loss圖

到這裡，所有流程就結束了