人工智能与信息社会课件：502实例4手写数字识别.pdfVIP

人工智能与信息社会 基于神经网络的智能系统I：实例4 手写数字识别 陈斌北京大学gischen@pku.edu.cn 概述 〉 通过手写数字识别的 实例，我们可以看到 神经网络的强大，也 可以更好地理解它是 如何运行的。 北京大学地球与空间科学学院/ 陈斌/2018 MNIST数据集准备 〉 MNIST是一个著名的手写体数字识别数据 集，训练集包含60,000 个样本和标签，测 试集包含10,000 个样本和标签。 〉 训练集类似于我们在学习中使用到的各种学 习资料帮助我们提升学习能力； 〉 测试集类似于考试试卷，检测我们的学习成 绩； 〉 标签可以认为是习题和考试的标准答案。 北京大学地球与空间科学学院/ 陈斌/2018 MNIST数据集准备 〉 其中样本为代表0~9中的一个数字的灰度图 片，对应一个所代表数字的标签，图片大小 28*28，且数字出现在图片正中间。 北京大学地球与空间科学学院/ 陈斌/2018 识别数字 〉 对于一幅样本图像，人类会根据画面的黑白 结构很轻松的判断数字是几。 北京大学地球与空间科学学院/ 陈斌/2018 识别数字 〉 电脑 “看到”样本图像时其实是得到了一系 列的像素点的灰度值数据，白的地方是1， 黑的地方是0。 北京大学地球与空间科学学院/ 陈斌/2018 输入输出 〉 向量就是多个数字按顺序排成一组，其中数 字的个数称为向量的维数。 〉 每个样本图像的输入都是一组784个数值 称为一个784维向量，28*28=784 〉 每个标签数据中，把数字n将表示成一个只 有在第n维度数字为1的10维向量。 比如，数字2的标签将表示成： [0,0,1,0,0,0,0,0,0,0,0 ] 数字5的标签将表示成： [0,0,0,0,0,1,0,0,0,0,0 ] 北京大学地球与空间科学学院/ 陈斌/2018 输入输出 〉 输入的784维向量经过两层中间计算后，输 出为一个10维的向量，每个维的值代表是该 数字的概率。 北京大学地球与空间科学学院/ 陈斌/2018 识别结果 〉 经过一小段时间的训练，AI识别手写数字的 准确率已经达到了93.13% 北京大学地球与空间科学学院/ 陈斌/2018