深度学习入门实战：从原理到 MNIST 手写数字识别

2.2 数据预处理

原始数据需要转换为浮点数并归一化，以便加速模型收敛。同时需增加通道维度以满足 CNN 输入要求。

# 数据类型转换与归一化
train_images = train_images.astype('float32') / 255.0
test_images = test_images.astype('float32') / 255.0

# 调整维度：(样本数，高，宽，通道)
train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))

print(f"调整后训练集形状：{train_images.shape}")

可视化部分数据 通过 Matplotlib 展示部分训练样本，确认数据读取正确。

plt.figure(figsize=(10, 4))
for i in range(10):
    plt.subplot(2, 5, i+1)
    plt.imshow(train_images[i], cmap='gray')
    plt.title(f"Label: {train_labels[i]}")
    plt.axis('off')
plt.show()

2.3 构建神经网络模型

我们构建一个典型的卷积神经网络 (CNN)。相比全连接网络，CNN 能更好地提取空间特征。

模型结构说明

1. Conv2D：使用 32 个 3x3 卷积核提取特征。
2. MaxPooling2D：下采样，减少参数量。
3. Flatten：将多维特征展平为一维向量。
4. Dense：全连接层，进行特征融合与分类。
5. Output Layer：输出 10 个类别的概率分布。

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Flatten(),
    layers.Dense(128, activation='relu'),
    layers.Dropout(0.5),  # 防止过拟合
    layers.Dense(10, activation='softmax')
])

# 打印模型摘要
model.summary()

2.4 编译与训练模型

编译配置

• 优化器：Adam，自适应学习率，收敛快。
• 损失函数：SparseCategoricalCrossentropy，适用于整数标签的多分类问题。
• 指标：Accuracy，准确率。

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

训练过程 设置训练轮数 (epochs) 和批次大小 (batch_size)。使用验证集监控模型泛化能力。

history = model.fit(
    train_images, train_labels,
    epochs=5,
    batch_size=64,
    validation_split=0.1,
    verbose=1
)

2.5 模型评估与预测

评估性能 在测试集上评估模型的准确率和损失。

test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=0)
print(f'测试集准确率：{test_acc:.4f}')

单张图片预测 选取一张测试图片进行预测，并可视化其概率分布。

# 获取预测概率
predictions = model.predict(test_images)

# 获取预测类别索引
predicted_label = np.argmax(predictions[0])
true_label = test_labels[0]

print(f"真实标签：{true_label}, 预测标签：{predicted_label}")

# 可视化第一张测试图片
plt.imshow(test_images[0], cmap='gray')
plt.title(f"Predicted: {predicted_label}")
plt.axis('off')
plt.show()

2.6 常见问题与优化建议

在实际训练中，可能会遇到以下情况：

1. 过拟合 (Overfitting)：训练集准确率高，验证集低。
   • 对策：增加 Dropout 层、数据增强 (Data Augmentation)、正则化。
2. 欠拟合 (Underfitting)：训练集和验证集准确率都低。
   • 对策：增加网络深度、调整超参数、延长训练轮数。
3. 收敛慢：
   • 对策：尝试不同的优化器 (如 RMSprop)、调整学习率。

三、总结

本文系统介绍了深度学习的基础理论，包括神经网络结构、核心组件及经典模型。通过 TensorFlow 实战案例，详细展示了 MNIST 手写数字识别的完整流程，涵盖数据预处理、模型构建、训练调优及评估预测。

掌握这一流程后，可进一步探索更复杂的计算机视觉任务（如物体检测、语义分割）或自然语言处理任务。建议读者在此基础上尝试修改网络结构、更换数据集，以深入理解深度学习的工作机制。

扩展阅读建议

• 深入学习卷积神经网络的反向传播推导。
• 了解 Batch Normalization 对训练稳定性的影响。
• 研究 Transfer Learning (迁移学习) 在资源受限场景下的应用。