用 TensorFlow 架構CNN網路層 來做手寫數字辨識

總之我先上全碼

這次目標為Demo與 TensorFlow 初探，為求快速我每次只用100張圖像進行訓練，做100次後的成功率約為90%。

原始碼 ：https://github.com/Chunshan-Theta/DeepLearning/tree/master/tensorFlow

這邊主要著重寫架構的概念，而code細部解析我會另外分幾個小節去各別說明：(緩慢整理中)

將手寫數字照片庫MNIST_data 的數值還原成圖片

儲存 tensorFlow 訓練結果與重複使用

那就開始進行到概念說明部分：

首先，這次的題目是利用機器學習來做到影像辨識，要辨識的影像為手寫照片，那我之前也有用很原始的方法去寫，辨識路跑選手號碼牌系統 on Python2.7，而土著的方式學完當然也要來學學最新技術 — Machine learning 中的 CNN，但我向來不是理論派的，還是讓我們把sample執行成功吧！

那這次的程式碼中，我大致上分了四個部分：

1. 繪製來源圖片
2. 建構學習神經層
3. 進行訓練與評估成效
4. 使用訓練產出的模型進行預測
5. 訓練結果儲存與讀取

基本上四個部分我會進行程式碼的個別說明，將連結放在上方的部分，那這邊就不多說明了。

再來要說一下這次的產出與環境：

環境：TensorFlow / python2.7 / ubuntu 16

產出：

訓練時間：5分鐘

預測成功率：90%以上

樣本數：100*100 張

樣本規格：MNIST_data –  27*27的黑白手寫圖片

這次的內容比起先前來說，有更多地方需要自己去定義外，還有要許多的先備知識，要怎麼樣確定自己先備知識夠不夠呢？

個人認為，至少要先明白這兩張圖在表達甚麼含意，如果不太清楚建議看看教材或是最下方的影片。

最後，以下是我入手學習的教材，有興趣可以看看～

範例是用1000張做1000次的樣子，成功率可以到96%的樣子。