实现手写数字识别的全连接型前馈神经网络

1.实验目的

学习和理解人工神经网络的基本结构和原理，掌握使用Tensor Flow建立人工神经网络的基本方法，重点理解激活函数、损失函数、优化器等概念以及人工神经网络的基本调参方法。

2.实验内容

（1）Tensor Flow库的安装。

（2）学习和熟悉MINST手写数字数据集的基本内容。

MNIST手写数字数据集来自美国国家标准与技术研究院（NIST，National Institute of Standards and Technology），训练数据集（training set）包含60 000个样本，由250个不同的人手写的数字构成，其中50%来自高中学生，50%来自人口普查局（the Census Bureau）的工作人员；测试数据集（test set）包含10 000个样本，也是同样比例的手写数字数据。

（3）调整参数和人工神经网络的结构，比较不同参数和不同结构下模型的性能。(www.xing528.com)

（4）将数据集更换为Fashion MNIST（同MNIST相似的10个类别单件衣物灰度图像数据）进行实验。

实验参考代码见\C4\ex4_3_NN\MINST_ANN01.py，包含图像数据查看、模型训练、模型性能分析等基本内容。其中，tf.keras.layers.Dropout（0.2）为Dropout层，参数0.2表示每次训练时随机将20%的输入设置为“0”，这样可以降低出现过拟合的风险。

3.实验扩展

（1）查看特征图和识别错误的图片的内容，建立混淆矩阵。

（2）手写数字用手机或其他设备拍照后传入电脑（或借助画图程序用鼠标绘制数字存为图像），对图像进行处理，并用训练后的模型进行识别。