人工智能原理第5章：MNIST数据集简介.pptxVIP

人工智能原理：基于Python语言和TensorFlow张明 副教授 第五章：MNIST机器学习MNIST数据集简介MNIST数据下载softmax回归模型简介模型的训练与评估TensorFlow模型基本步骤构建softmax回归模型5.1：MNIST数据集简介1 MNIST数据集的概念2 MNIST数据集功能3 MNIST数据集组成1：MNIST数据集的概念当学习任意一门计算机语言进行编程时，首先接触的第一个程序就是打印“Hello World”。大家接触每一种编程语言都会有Hello World作为第一个编程任务，在人工智能机器学习领域也不例外。学习人工智能的初学者，通过使用MNIST（Mixed National Institute of Standards and Technology database）手写数字识别任务的练习，来对人工智能TensorFlow进行最初步的应用。1：MNIST数据集的概念手写数字的MNIST数据集手写数字的MNIST数据集来自于美国国家标准与技术研究所（NIST），它是一个庞大的手写数字数据库，也是网上著名的公开数据集之一。包含了60,000个训练示例图片以及10,000个测试图片，数据集的图片分别代表了阿拉伯数字0～阿拉伯数字9中的任意一个数字，图片只包含灰度值信息，规格尺寸为28×28，所以每一张图片就是拥有784（28×28）列的数据，数字位于整张图片的最中央位置，它是NIST提供的更大集合的一个子集。训练集（training set）由来自250个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局（the Census Bureau）的工作人员。测试集（test set）也是同样比例的手写数字数据。5.1：MNIST数据集简介1 MNIST数据集的概念2 MNIST数据集功能3 MNIST数据集组成2：MNIST数据集功能数据集有两个功能：（1）提供了大量的数据作为训练集和测试集，为一些兴趣爱好者和学习者提供了丰富的资源信息。（2）形成一个业界领域具有一定对比程度的项目，不同的研究者使用了相同的数据集，从而可以更加方便地将结果进行对比，从而验证出哪种设计的程序识别率更高。MNIST是一个简单的计算机视觉数据集。它由图5-1所示的手写数字的图像组成。它还包括每个图像的标签，以便清楚地告诉我们出现的是什么数字。例如，上述图像的标签分别是5、2、5、3，所以，MNIST数据集中的每张数据图片都被事先标注了相应的阿拉伯数字。5.1：MNIST数据集简介1 MNIST数据集的概念2 MNIST数据集功能3 MNIST数据集组成3：MNIST数据集组成将MNIST数据集从官方网站下载完毕，下载下来的数据集图片被分成两部分：包含了60000张图片的训练数据集（mnist.train）包含了10000张图片的测试数据集（mnist.test）其中，训练数据集用来提供给使用者进行模型的训练，以期训练出合适的模型；测试数据集用来提供给使用者对前一个阶段训练出的模型进行性能上的测试，在机器学习模型设计阶段，必须要设置一个单独的测试数据集用来评估模型的性能，这个测试数据集不用于训练。3：MNIST数据集组成MNIST数据单元分为两个部分： 一张包含手写数字的图片一个对应的标签我们把图片设为“xs”，把这些标签设为“ys”。训练数据集和测试数据集都含有xs和ys，可以将训练数据集的图片名称设定为mnist.train.images，将训练数据集的标签设定为mnist.train.labels。3：MNIST数据集组成每一张图片包含28像素×28个像素点，可以用一个数字数组来表示这张图片，如图5-2所示。将这个数字数组展开成一个向量，长度是28×28 = 784。数字间的顺序不重要，只要保持各个图片采用相同的方式展开。图5-23：MNIST数据集组成MNIST数据集的图片就是在784维向量空间里面的点，并且拥有比较复杂的结构。在MNIST训练数据集中，mnist.train.images是一个形状为[60000, 784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。在此张量里的每一个元素，都表示某张图片里的某个像素的强度值，值介于0和1之间，如图5-3所示：图5-33：MNIST数据集组成MNIST数据集的标签mnist.train.labels是介于0到9的数字，用来描述给定的训练图片里所表示的数字。标签数据用“one-hot vectors”的形式来表示，所谓的one-hot是指一位有效编码，即，我们使用n维度的向量来表示n个类别，这其中，每一个类别都会占据相对独立的一个位置，因此，一个one-hot向量即为除了某一特定位置的数字是1以外，其余各维度数字都