基于kNN方法的MNIST手写数字识别（Tensorflow）下载

PIPI_333 2018-10-22 08:50:09

需要下载MNIST数据集，将路径修改为本地MNIST数据集的地址。需要OpenCV与Tensorflow环境
相关下载链接：//download.csdn.net/download/weixin_42172651/10735677?utm_source=bbsseo

...全文

323 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

在人工智能领域，手写数字识别是一个经典的入门级问题。它指的是利用计算机技术，让机器能够自动识别手写的数字图像，是机器学习与模式识别技术的重要应用之一。本章将对手写数字识别的基本概念、历史背景以及该技术在现实世界中的应用做初步介绍。K近邻算法（K-Nearest Neighbors, KNN）是一种基本分类与回归方法。KNN的工作原理是：给定一个训练数据集，对新的输入实例，在训练集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类别，则该输入实例也属于这个类别。当K=1时，称为最近邻分类器。

声明：本文的代码部分可以戳这里下载~ 一、MNIST数据集 MNIST是深度学习的经典入门demo，他是由6万张训练图片和1万张测试图片构成的，每张图片都是28*28大小（如下图），而且都是黑白色构成（这里的黑色是一个0-1的浮点数，黑色越深表示数值越靠近1），这些图片是采集的不同的人手写从0到9的数字。TensorFlow将这个数据集和相关操作封装到了库中。 ...

OpenCV-TensorFlow 入门人工智能图像处理 1、KNN数字识别 1.1、load Data 1.2、knn test train distance 5*500=2500距离 1.3、knn k个最近的5张测试图片和500张训练图片做差，找到4张最近的图片 1.4、k个最近的图片 ————> parse centent label 1.5、统计监测数据的概率 1.6、源码汇总 2、CNN实现手写数字识别 2.1、导入安装包 2.2、加载数据 2.3、定义tf.placeholder()

knn最近邻算法是一种分类以及回归算法，算法原理是一个样本与样本集中k个样本最相似，如果这k个样本的大多数也属于同一个类别，则该样本也属于这一类。关于knn算法的详细原理读者可以在网上找一些资料了解下，这里主要介绍使用knn进行mnist手写数字的识别。关于mnist数据的解析，读者可以自己从网上下载相应压缩文件，用python自己编写解析代码，由于这里主要研究knn算法，为了图简单，直接使用Keras的mnist手写数字解析模块。本次代码运行环境为： python 3.6.8 opencv-pytho

手写数字识别项目是指通过机器学习，深度学习技术，训练模型来自动识别手写数字的任务。这个项目可以应用于很多领域，比如自动邮件排序、银行支票处理、手写数字验证码识别等。

下载资源悬赏专区

13,652

社区成员

12,568,435

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章