基于TensorFlow深度學(xué)習(xí)的Minist手寫數(shù)字識(shí)別技術(shù)

摘要：目前,人類手寫字的識(shí)別問題成為了研究熱點(diǎn)。針對(duì)手寫體識(shí)別領(lǐng)域廣泛使用的Minist數(shù)據(jù)集,基于深度學(xué)習(xí)中的Tensorflow框架,介紹了Softmax模型與卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)模型,并分析了CNN模型的激活函數(shù)。選擇ReLUs函數(shù)代替?zhèn)鹘y(tǒng)的Sigmoid函數(shù)和Tanh雙曲正切函數(shù),提高識(shí)別過程中的收斂速度。此外,對(duì)上述兩個(gè)模型進(jìn)行實(shí)現(xiàn),對(duì)比模型的識(shí)別準(zhǔn)確度,以期為手寫體數(shù)字識(shí)別的研究和發(fā)展提供參考。