🔗 声明

• 本文为「365 天深度学习训练营」内部学习记录。
• 本文参考 K 同学啊课程内容完成，仅用于个人学习与交流。
• MNIST 为公开数据集，请勿将本文用于商业传播。
• 本篇为个人在 T1 关卡上的实践记录。

---

第 T1 周：实现 MNIST 手写数字识别

这是 TensorFlow 的第一篇教案，也是深度学习的入门案例。本周不追求一次吃透所有原理，先把程序当黑盒跑通，再逐步建立直觉。

🍺 本周任务

• 跑通程序
• 了解「深度学习」是什么（先有感性认识即可）

👉 建议学习步骤

1. 第 1 遍：整体把握每一部分代码在做什么（数据 → 模型 → 训练 → 预测）。
2. 第 2 遍：把握每一行语句的含义，知道实现的是什么功能即可，不求甚解。
3. 第 3 遍：动手跟着教案敲一遍代码，把程序跑通。

📑 备注

如果你之前没有接触过深度学习，第一篇学起来可能比较蒙，不要着急。等到第 3、4 篇教案时，你会逐步理解，不要尝试一下就弄明白。现阶段任务是：把程序当黑盒，先学会使用，再理解原理。

🏡 我的环境

• 语言环境：Python 3.9.13
• 编译器：Jupyter Lab
• 深度学习环境：TensorFlow 2.10.0

---

一、前期工作：设置 GPU

若使用 CPU，可跳过本步。

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    gpu0 = gpus[0]  # 如果有多个 GPU，仅使用第 0 个 GPU
    tf.config.experimental.set_memory_growth(gpu0, True)  # 显存按需增长
    tf.config.set_visible_devices([gpu0], "GPU")

print(gpus)

---

二、导入数据

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import numpy as np

# 导入 MNIST：训练集图片/标签、测试集图片/标签
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()

说明：

• 首次运行会自动下载数据，默认缓存目录一般为 ~/.keras/datasets/。
• 本地 data.zip 为课程备用包；本教案使用 load_data() 即可，无需手动解压到 data/ 文件夹。

---

三、归一化

数据归一化的作用：

• 使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使模型更准确。
• 加快学习算法的收敛速度。

# 灰度图像素范围 0~255，除以 255 归一化到 [0, 1]
train_images, test_images = train_images / 255.0, test_images / 255.0

train_images.shape, test_images.shape, train_labels.shape, test_labels.shape

---

四、数据可视化

plt.figure(figsize=(20, 10))

for i in range(20):
    plt.subplot(2, 10, i + 1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(train_labels[i])

plt.show()

---

五、调整数据格式

卷积层需要输入形状为 (高, 宽, 通道)，因此把 (60000, 28, 28) 调整为 (60000, 28, 28, 1)。

train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))

train_images.shape, test_images.shape, train_labels.shape, test_labels.shape

期望输出类似：

((60000, 28, 28, 1), (10000, 28, 28, 1), (60000,), (10000,))

---

六、创建卷积神经网络

本文使用的是最简单的 CNN 结构（类似 LeNet-5 思路）：

• 卷积层：通过卷积操作对输入图像进行降维和特征抽取。
• 池化层：非线性下采样，压缩数据与参数数量，减轻过拟合，提高鲁棒性。
• 全连接层：在若干卷积与池化之后，完成高级推理。

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(64, activation="relu"),
    layers.Dense(10),
])

model.summary()

ReLU 作为激活函数可增强非线性，且通常能让训练更快，而对泛化影响相对温和。

---

七、编译与训练

model.compile() 用于配置训练时的优化器、损失函数和评测指标。

model.compile(
    optimizer="adam",
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"],
)

history = model.fit(
    train_images,
    train_labels,
    epochs=10,
    validation_data=(test_images, test_labels),
)

关于 model.fit() 的更多参数说明，可参考：Keras model.fit 详解。

训练曲线

from datetime import datetime

current_time = datetime.now()
acc = history.history["accuracy"]
val_acc = history.history["val_accuracy"]
loss = history.history["loss"]
val_loss = history.history["val_loss"]
epochs_range = range(1, len(acc) + 1)

plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, acc, label="Train Accuracy")
plt.plot(epochs_range, val_acc, label="Test Accuracy")
plt.legend(loc="lower right")
plt.title("Training and Validation Accuracy")
plt.xlabel(current_time)

plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss, label="Train Loss")
plt.plot(epochs_range, val_loss, label="Test Loss")
plt.legend(loc="upper right")
plt.title("Training and Validation Loss")
plt.show()

---

八、模型预测

可以简单理解为：输入一张图片，模型输出 10 个数，分别对应数字 0~9 的「得分」（logits，并非概率）。数值越大，模型越倾向于该类别。

# 部分 matplotlib 版本会报 Invalid shape (28, 28, 1)，可改为 reshape(28, 28)
plt.imshow(test_images[1].reshape(28, 28), cmap=plt.cm.binary)
plt.axis("off")
plt.show()

pre = model.predict(test_images)  # 对所有测试图片预测
pre[1]  # 第一张测试图的 10 维输出

np.argmax(pre[1])  # 预测类别：0~9 中得分最大的索引

可与真实标签对比：

print("预测数字:", np.argmax(pre[1]))
print("真实标签:", test_labels[1])

---

九、知识点详解

若是第一次接触深度学习，建议顺序：先跑通 → 再对照结构理解。

MNIST 手写数字数据集

MNIST 来源于美国国家标准与技术研究所（NIST），是经典公开数据集之一。数据由 250 名不同职业者手写绘制，官方页面：http://yann.lecun.com/exdb/mnist/。

• 共 70000 张 28×28 灰度图：训练集 60000、测试集 10000。
• 每张图可拉平为长度 784 的向量，像素值归一化后约在 0~1。

若把训练集看成张量，形状可理解为 [60000, 784]：第一维是图片索引，第二维是像素。

各层的作用

层级	作用
输入层	将数据送入网络
卷积层	用卷积核提取局部特征
池化层	下采样，用更高层抽象表示图像
Flatten 层	将多维特征展平，连接卷积与全连接
全连接层	进一步组合特征
输出层	输出 10 类 logits

---

十、常见问题汇总

1. data 文件夹放在哪里？

本教案使用 datasets.mnist.load_data()，不需要手动把 MNIST 放到项目 data/ 目录。首次运行会自动下载到用户目录下的 Keras 缓存路径（常见为 ~/.keras/datasets/mnist.npz）。

若课程提供了 data.zip，那是备用数据包；与 load_data() 二选一即可，不要混用导致路径困惑。

2. plt.imshow 报 Invalid shape (28, 28, 1)

将显示代码改为：

plt.imshow(test_images[1].reshape(28, 28), cmap=plt.cm.binary)

3. 没有 GPU 能跑吗？

可以。跳过 GPU 设置单元，TensorFlow 会自动使用 CPU，MNIST 规模较小，CPU 也能在可接受时间内完成训练。

4. from_logits=True 是什么意思？

最后一层未接 Softmax 时，损失函数内部会做数值稳定的处理；训练时通常更稳定。预测时用 np.argmax 取最大 logit 即可得到类别。

—

十一、本周总结

本周完成了 TensorFlow 入门链路：加载 MNIST → 归一化与可视化 → 搭建 CNN → 编译训练 → 单张/批量预测。

核心收获：

• 建立了「数据预处理 → 模型定义 → compile / fit → predict」的完整流程；
• 理解了归一化、通道维度 reshape、卷积/池化/全连接的分工；
• 知道现阶段以跑通黑盒为主，原理可在后续周次逐步加深。

后续可尝试：减少 epochs 做快速实验、对比 CPU/GPU 速度、或改用 PyTorch 版本（如训练营 P1）对照两种框架的写法差异。