Python如何用MNIST数据集进行手写数字的神经网络编程？

本文共计12030个文字，预计阅读时间需要49分钟。

识别人的笔迹这个问题相对复杂，也非非常模式化。因为这是检验人工智能想象力的挑战。不像进行大量数字相乘那样明确和清晰，让计算机准确区分区域图象中的内容，有时甚至称其为图。

识别人的笔迹这个问题相对复杂，也非常模糊，因此这是一种检验人工智能的理想挑战。这不像进行大量数字相乘那样明确清晰。

让计算机准确区分图像中包含的内容，有时也称之为图像识别问题。科学家对这个问题进行了几十年的研究，直到最近，才取得了一些比较好的进展，如神经网络这样的方法则是构成这些飞跃的重要部分。

为了让你对图像识别究竟有多难有一个感性认识，举个例子，人类有时候对图像中包含的内容有不同意见。人们很容易对手写字符实际上是什么产生分歧意见，特别对于书写者非常匆忙或粗心大意时写下的手写字符，更是如此。看一看下面的手写数字，这是个4还是9？

人工智能研究者使用一套流行的手写数字图片来测试他们的最新思想和算法。这套图片众所周知，非常流行，这意味着我们很容易与其他研究者比较，检验我们最近关于图像识别的疯狂想法究竟有多优秀。

这个数据集称为手写数字的MNIST数据库。从受人尊敬的神经网络研究员Yann LeCun的网站yann.lecun.com/exdb/mnist/，可以得到这个数据集。

这个网页也列出了在学习和正确识别这些手写字符方面，这些新旧想法的表现如何。我们将会多次提到这个列表，看看比起专业人士我们的想法表现如何！MNIST数据库的格式不容易使用，因此其他人已经创建了相对简单的数据文件格式，参见 pjreddie.com/projects/mnist-in-csv/，这对我们非常有帮助。

这些文件称为CSV文件，这意味着纯文本中的每一个值都是由逗号分隔的。