基于TensorFlow深度学习CNN模型的手写数字识别研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：大数据的快速发展，人们需要处理大量的数字信息。为了节省人力、物力、财力、提高数字信息的处理效率，应用新型计算机技术进行自动识别数字成为了一个热门研究方向。本文针对基于TensorFlow深度学习框架完成手写体数字的识别方法的研究与实现，在遵循Le Net-5模型的基础上，首先建立了基于TensorFlow深度学习框架的卷积神经网络(CNN)模型结构，针对手写体数据集MNIST的训练数据集进行深度学习，之后对测试数据集进行试验对比。实验的数据结果表明，本文中构建的基于TensorFlow深度学习CNN算法的模型的识别率达到了98。69％，实现了一种有较强实用性的识别手写数字的方法。

作者：

任一帆、穆晓芳、陶牡丹

展开 >

作者单位：

030619 太原师范学院山西晋中

关键词：

深度学习 TensorFlow 卷积神经网络 Adam优化器手写体数字

出版年：

2019

数字化用户

ISSN：

年,卷(期)：2019.25(30)

参考文献量7