单元六 · AI项目工坊
第29课 手写数字识别
一、学习目标
- 学会构建一个简单的人工神经网络。
- 学会利用训练好的模型对手写数字图像进行识别。
- 掌握训练模型的基本流程。
二、情境导入
AI我们之前已经学习过如何识别标准的LED数字。
然而，在现实生活中，人们手写的数字形状多样、笔画粗细不一，远比标准的LED数字复杂得多。
如果继续使用之前的方法进行识别，效果往往无法满足实际需求。
三、核心讲解
本课学习路径：
1准备数据
2搭建人工神经网络
3训练模型
4调用模型识别手写数字
5准备数据1
1．准备数据
要训练这样的模型，需要大量的手写数字图像数据。为此，科研人
模型：用已有例子学会规律，再对新输入给出预测或分类。
- 员收集并整理了一些数据集，如MNIST手写数字数据集。该数据集包含大
- 量真实手写数字的图像，并被划分为两部分。
- 训练数据，用于训练模型，帮助模型
- 学习如何从图像中提取特征并识别出对应
- 测试数据，用于验证模型的识别效果。
2．准备数据1
你知道数据集里的图像内容和图像特征吗？运行Mixly
算法：把任务拆成可执行的步骤：弄清输入、处理、输出，再按顺序验证。
- AI学习平台中的《数据集查看器》，查看里面的训练
- 数据和测试数据，并回答后面的问题。
- 可以发现，这个数据集有_______条数据用于训练，有______条数据
- 用于测试，图像的分辨率是_______。
- 点，输出层可能需要_____个输出节点。
想一想：· 手写数字存储在什么类型的媒体中？
3．训练模型
训练过程可看作人工神经网络的“学习”过程：通过大量已知类别
- 的图像，不断调整参数，使网络逐步提升对手写数字的识别能力。
- 注意，训练模型通常比使用模型要耗费更多的算力，因此最好在高性能计算机
- 系统中训练模型。
- 选择合适的方式，利用数据训练模型
- 参照以下方法，获得用于训练的软件或程序。
想一想：每次都能识别对吗？更换不同的模型，识别效果有什么不同？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_mnist_digit_recognition — 在框内完成操作
五、课堂总结
- 1.MNIST数据集里有训练数据和测试数据。
- 训练数据用于“教”模型识别数字，测试数据则用于“测”模型的学习成果。
- 2.通过准备数据、搭建神经网络、训练模型、调用模型这几个步骤能够实现手写数字的识别。
- 3.训练中的准确率和损失是两个重要的训练指标，共同用于评估模型的学习效果。
六、拓展提升
拓展：你是社区服务中心的一名志愿者，经常协助老年人完成健康讲座报名登记。你发现，不少老人常常将手机号写在卡片上，然后志愿者们再逐条将这些信息人工录入系统，工作量较大。
测评
完成练习后作答；选出后点「检查」。答错会显示简短说明。
下列哪一项更接近本课学习目标？
本课课堂总结强调的是？
本课主题最贴近下列哪一项？
完成本课后，优先应该做什么来证明学会了？
判断：教学指南中的学习活动可以全部跳过。
拓展提升部分的作用是？
本节小结
回顾本课要点，完成动手体验与测评。记住：手写数字识别。