人工智能初试——手写数字识别

February 10, 2020

3540views

1151 words

# Demo
[bilibili链接][1]
# 总括
对人工智能已耳闻目见许久，假期既然有时间不如实践之。于是做了一个人工智能界的Hello World项目——手写数字识别，加上了一个自制的绘图板，实现了实时输入与识别。
# 学习路线
在此记录我个人借此项目入门人工智能的学习路线：
![341FAC39-3BB4-4D61-A277-17619AE55167.jpeg][2]
1）吴恩达的机器学习课程（[b站链接][3]）。大概学完第九章即可入门这个项目。
2）熟悉Python。在学完后用经典项目“飞机大战”作为练习。
3）学习TensorFlow。使用的是GitHub上的一个很好的教程（[链接][4]）。在学完吴恩达的课程后，看这本书主要是学Python以及TensorFlow如何使用；有了对原理的大致了解后学起来很快。当然或许可以直接看这本书入门。这里面的数学推导似乎更正式些。
4）跟着TensorFlow的Google官方教程熟悉TensorFlow。教程在CoLab上。从这里发现Keras高层接口使用起来更为方便，于是可以去（3）中的书里靠后的地方发现有对它的介绍。
5）从一堆博文中学习如何处理图片以作为神经网络的输入。主要学的是cv2的使用。
6）学习用cv2整一个画板（drawing board）。
## 一点感受/想法
机器学习和任何算法一样，只有理解了里面的数学思想与推导才算学会。不过TensorFlow的高层接口已经封装好了很多东西，数学推导的掌握即使不是很牢也能实现一些项目，因此可以在大致理解的基础上用实践感受一下，这样也不会很枯燥。不过要想以后自己提出算法的优化与创新的话，数学部分学扎实大概还是很重要的。
# GitHub链接
主要文件已存至：[MNIST_Practice_Project][5]。在学习完相关教程的基础上，如果有耐心的话我认为是可以看懂我写的代码的。有一些注释（主要是英文）。

[1]: https://www.bilibili.com/video/av88086690/
  [2]: https://blog.valderfield.com/usr/uploads/2020/02/3309516433.jpeg
  [3]: https://www.bilibili.com/video/av50747658?p=59
  [4]: https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book
  [5]: https://github.com/Co1lin/MNIST_Practice_Project

Last modification：May 2nd, 2020 at 01:08 am

如果觉得我的文章对你有用，请随意赞赏

人工智能初试——手写数字识别

Colin • 2020 年 02 月 10 日

邦彦
November 30th, 2021 at 07:51 pm

大佬，想拜师了都

MILEY
November 4th, 2021 at 07:03 pm

我拿mac跑你的代码，Drawing Board卡在那里了，有什么办法可以关闭吗？

1. Colin
  December 14th, 2021 at 11:46 am
  
  @MILEY
  
  em... 任务管理器直接 kill 掉？当时多线程/进程可能是瞎写的，可能阻塞了

人工智能初试——手写数字识别

3 comments

Leave a Comment Cancel reply

欢迎使用 Typecho

利用NGINX反向代理Github实现加速访问

利用PyPDF批量处理PDF文件——合并篇

人工智能初试——手写数字识别

通过所有节点的最短路径

素数筛

人工智能初试——手写数字识别

利用 cache 为矩阵乘法加速

用Dijkstra寻找最大带宽路径

【转载】 T 大树洞团队最终陈述

人工智能初试——手写数字识别