Tensorflow中MNIST应用解析方法有哪些？

本文共计2232个文字，预计阅读时间需要9分钟。

2017年，最火爆的技术之一无疑是Google领军的深度学习开源框架Tensorflow。简要介绍深度学习的入门例子是MNIST数据集。深度学习简单介绍：首先，要区分几个基本概念：人工智能、机器学习。人工智能是研究使机器能够模拟人类智能的科学，而机器学习则是人工智能的一个分支，专注于开发算法使机器能够从数据中学习。

要说2017年什么技术最火爆，无疑是google领衔的深度学习开源框架Tensorflow。本文简述一下深度学习的入门例子MNIST。

深度学习简单介绍

首先要简单区别几个概念：人工智能，机器学习，深度学习，神经网络。这几个词应该是出现的最为频繁的，但是他们有什么区别呢？

人工智能：人类通过直觉可以解决的问题，如：自然语言理解，图像识别，语音识别等，计算机很难解决，而人工智能就是要解决这类问题。

机器学习：如果一个任务可以在任务T上，随着经验E的增加，效果P也随之增加，那么就认为这个程序可以从经验中学习。

深度学习：其核心就是自动将简单的特征组合成更加复杂的特征，并用这些特征解决问题。

神经网络：最初是一个生物学的概念，一般是指大脑神经元，触点，细胞等组成的网络，用于产生意识，帮助生物思考和行动，后来人工智能受神经网络的启发，发展出了人工神经网络。