从这篇文章开始，终于要干点正儿八经的工作了，前面都是准备工作。这次我们要解决机器学习的经典问题，MNIST手写数字识别。
首先介绍一下数据集。请首先解压：TF_Net\Asset\mnist_png.tar.gz文件
文件夹内包括两个文件夹：training和validation，其中training文件夹下包括60000个训练图片validation下包括10000个评估图片，图片为28*28像素，分别放在0~9十个文件夹中。
程序总体流程和上一篇文章介绍的BMI分析程序基本一致，毕竟都是多元分类，有几点不一样。
1、BMI程序的特征数据（输入）为一维数组，包含两个数字，MNIST的特征数据为28*28的二位数组；
2、BMI程序的输出为3个，MNIST的输出为10个；
网络模型构建如下：
这个网络里用到了两个新方法，需要解释一下：
1、Flatten方法：这里表示拉平，把28*28的二维数组拉平为含784个数据的一维数组，因为二维数组无法进行运算；
2、Rescaling 方法：就是对每个数据乘以一个系数，因为我们从图片获取的数据为每一个位点的灰度值，其取值范围为0~255，所以乘以一个系数将数据缩小到1以内，以免后面运算时溢出。
其它基本和上一篇文章介绍的差不多，全部代码如下：
View Code
另有两点说明：
1、由于对图片的读取比较耗时，所以我采用了一个方法，就是把读取到的数据序列化到一个二进制文件中，下次直接从二进制文件反序列化即可，大大加快处理速度。
2、我没有采用validation图片进行评估，只是简单选了20个样本测试了一下。
【相关资源】
源码：Git: https://gitee.com/seabluescn/tf_not.git
项目名称：NN_MultipleClassification_MNIST
目录：查看TensorFlow.NET机器学习入门系列目录
签名区：
如果您觉得这篇博客对您有帮助或启发，请点击右侧【推荐】支持，谢谢！