本文是一个面对初学者的，用tensorflow2.0来实现识别手写数字的实践文章，可以帮助初学者快速入门。识别手写数字就像是学习编程语言里的Hello world一样简单和著名，是程序员的最爱，也是进入人工智能里的第一步，方便后面更深入地了解tensorflow编程。

之前写过安装tensorflow2.0及运行一个对抗神经网络的文章。需要看的朋友可以查看之前的文章：

https://www.toutiao.com/i6915983671610638859/
https://www.toutiao.com/i6916094716174139907/

样本的数字如下：

先给大家看一下tensorflow2.0识别手写数字运行的结果：

正确率达到98%。

实现介绍

1、导入 TensorFlow：

# 安装 TensorFlow

import tensorflow as tf

2、载入并准备好 MNIST 数据集，tensorflow里面可以直接导入数据。将样本从整数转换为浮点数：

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

3、查看训练数据的形状：

x_train.shape

输出为：

60000张28*28像素的图像。

如果想看看数组，可以一个训练数据看一下

x_train[0]

是28*28的二维数组。如下

上面的不是很直观，我们可以画一个数字出来。

4、先看一下数字形状

用matplotlib库来画形状

import matplotlib.pyplot as plt
fig, ax = plt.subplots(nrows=5, ncols=5, sharex='all', sharey='all')
ax = ax.flatten()
for i in range(25):
    img = x_train[i]
    ax[i].set_title(y_train[i])
    ax[i].imshow(img, cmap='Greys', interpolation='nearest')
ax[0].set_xticks([])
ax[0].set_yticks([])
plt.tight_layout()
plt.show()

输出为：

上面的数据为它真实的数据，图片里面的为手写的数字。

如果要看单个数字，可以：

plt.figure()
plt.imshow(x_train[0])
plt.show()

输出为：

5、将模型的各层堆叠起来，以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数：

这个模型的输入的图片的形状为28*28的长度，全连接到128的全连接层上，有relu函数进行激活，为了防止过拟合，下采样的概率不0.2，最后用softmax再映射到10个分类上。用adam优化器，交叉熵损失函数，指标用准确度。

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

6、训练并验证模型：

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)

现在，这个照片分类器的准确度已经达到 98%。