手写数字识别.pdf

重点信息总结如下：
1. 像素大小的灰度图像通道数为1，可以帮助机器学习算法学习手写数字的特征，并进行手写数字识别。
2. 使用TensorFlow框架搭建神经网络架构，可以进行手写数字图像的特征提取和模式识别。
3. MNIST是一个经典的手写数字数据集，包含60000个训练图像和10000个测试图像，每个图像都是28x28像素大小的灰度图像。
4. 实验1的目标是进行手写数字识别，包括加载、查看训练集/测试集、网络结构设计、设置优化器和损失函数等步骤。
5. 使用callbacks.ModelCheckpoint函数可以保存模型的权重和偏置，以及训练进度等信息，方便中断训练后恢复到之前的模型状态继续训练。
6. 通过手写数字识别任务可以掌握TensorFlow框架的使用，以及tf.keras API的使用，搭建起一个手写数字识别模型。