當我們使用mnist手寫數字作為資料訓練網路的時候，使用恰當的模型往往可以在測試集上得到很高的精準度，下面的是博主的訓練結果：
測試集的精準度甚至還好過在訓練集的表現（60000是訓練集，10000是測試集，acc表示精準度）
但是當使用自己用畫圖工具或者自己拍的**的時候，神經網路得到的**卻大部分都是錯的
以下是博主的解決方案：『
1.可能由於影象的噪音引起，mnist的資料集基本上不含有噪音(顏色稍微不同的色塊)
處理載入進來的的陣列，把噪音去除 如:picmatix=np.where(picmatix>25,picmatix,0)
2.手寫字與畫圖工具刷子的區別，可以改用畫圖工具的「顏料刷」，更加擬合手寫字
mnist手寫數字識別
import tensorflow as tf import numpy as np from tensorflow.contrib.learn.python.learn.datasets.mnist import read data sets mnist read data sets f pyth...
MNIST手寫數字識別 tensorflow
神經網路一半包含三層，輸入層 隱含層 輸出層。如下圖所示 現以手寫數字識別為例 輸入為784個變數，輸出為10個節點，10個節點再通過softmax啟用函式轉化為 值。如下，準確率可達0.9226 import tensorflow as tf from tensorflow.examples.tu...
DNN識別mnist手寫數字
提取碼 sg3f 導庫import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers...