文件名称：Handwritten-Digit-Recognition-using-MNIST-dataset:使用ANN和tensorflow库
文件大小：2.19MB
文件格式：ZIP
更新时间：2024-05-09 13:38:42
Python
使用MNIST数据集实现用于手写数字分类的多层（一个输入，一个输出和一个或多个隐藏层）ANN。 目的：-问题的主要目的是识别手写数字。 用于分类的方法是人工神经网络。 MNIST数据集从带有10个标签的tensorflow模块（70000,28像素图像）加载。 创建具有一个输入层，2个隐藏层和1个输出层的神经网络。 然后，使用该神经网络以指定的纪元（迭代次数）训练MNIST数据集，并保存模型。 在测试过程中，将加载经过训练的模型，并且将新的手写图像进行灰度处理，并将其重塑为28像素。 然后将图像提供给训练后的模型，并将数字分类为10个标签中的任何一个。
【文件预览】：
Handwritten-Digit-Recognition-using-MNIST-dataset-master
----ANN_TESTING.py(2KB)
----README_ANN.txt(921B)
----TRAINING_ANN.PNG(19KB)
----TESTING_ANN.PNG(18KB)
----RESULT_ANN.PNG(6KB)
----Digits()
--------8.jpg(747KB)
--------1.jpg(742KB)
--------6.jpg(743KB)
--------44.jpeg(21KB)
--------88.jpeg(22KB)
--------5.jpg(740KB)
--------2.jpeg(29KB)
--------22.jpeg(23KB)
--------55.jpeg(22KB)
--------33.jpeg(22KB)
--------7.jpg(743KB)
--------9.jpeg(22KB)
--------3.jpeg(30KB)
--------00.jpeg(21KB)
--------0.jpg(749KB)
--------4.jpeg(25KB)
----README.md(906B)
----ANN_TRAINING.py(1KB)
----trained_model.h5(1.39MB)