如何高效运用Python神经网络准确识别手写文字？(文末惊喜)

本文共计6211个文字，预计阅读时间需要25分钟。

[异步社区] 快速关注+在本文中，我们将探讨一些使用Python神经网络识别手写字符的有趣想法。如果只想了解神神经网络的基本知识，那不必阅读本文，可以先行阅读相关资料。

​[异步社区]​快速关注

在本文中，我们将进一步探讨一些使用Python神经网络识别手写字符非常有趣的想法。如果只是想了解神经网络的基本知识，那不必阅读本文,可以先阅读​​《Python神经网络编程》​​前面2章节的内容。

这是一个有趣的额外部分，所以节奏会稍微加快一些，但是我们仍然尝试使用简单的语言来解释这些想法。

1.1　自己的手写数字

在本文中，我们一直使用来自MNIST数据集的数字图片。​为什么不使用自己的笔迹呢？​

在这个实验中，我们将使用自己的笔迹创建测试数据集。我们也将尝试使用不同的书写风格，使用嘈杂或抖动的图片，来观察神经网络的应对能力如何。

你可以使用任何喜欢的图像编辑或绘画软件来创建图片。不必使用昂贵的Photoshop，GIMP是免费开源的替代软件，适用于Windows、Mac和Linux等系统。甚至可以用一支笔将数字写在纸上，并用智能手机、相机或任何合适的扫描仪，将手写数字变成图片格式。唯一的要求是图片为正方形（宽度等于长度），并且将其保存为PNG格式。在喜欢的图像编辑器中，保存格式选项的菜单通常为“File→Save As”或“File→Export”。

下面是我制作的一些图片。

数字5就是我的笔迹。数字4是用粉笔而不是马克笔写的。数字3是我的笔迹并有意切成一段一段的。数字2是传统的报纸或书籍字体，但是进行了模糊处理。数字6有意做成抖动的样子，好像是在水中的倒影。最后一张图片与前面的数字相同，但是添加了噪声，来看看我们是否可以增加神经网络的工作难度。