数字识别文档 1.数据集读入与处理
由于数字识别问题是人工智能图像识别的经典问题，许多python库都自带数据集，所以出于简便的考虑，我选择了minst数据集。
这里x是数据集，y是标签，读入后除以255（因为是RGB格式）已达到归一化的目的。 2.模型定义与训练过程
由于数字识别方面前人研究众多，而且特别适合图像识别（个人感觉），所以简单的全连接网络即可。 这里先将数据扁平化，进入一层relu为激活函数的层，在通过“softmax”方便呈现概率。 训练过程中优化器选择“万金油”adam，损失函数为“spare——categorical——crossentropy”（之前试过mse损失函数，结果正确率极低），正确率选择独热编码。 这里定义极为简单，主要是黑白照片加上线条简单。 3.训练过程及结果展示
难点在之前就讲过了，这里就是简单运用。Fit（），把数据送入模型训练。 值得注意的是中间我运用。Save()函数保存模型，方便更改。 结束后，用history变量记录训练过程，并可以做结果展示。 4.模型运用
这里运用模型需要把之前定义的模型结构再写一次（因为我只保存了关键参数，没保存结构）。 预测时打开图片，重构大小，然后转至数组。由于训练时是黑底白字，测试时是白底黑字，将图片转至，具体方法是255-得到的图片数组。结果放入模型即可预测。
