Kaggle体验：Digit Recognizer (数字识别器)

本学期我选修了名为“机器学习”的课程，其中的课程任务要求从Kaggle数据竞赛平台上挑选并完成一项比赛项目。作为一名初学者，我选择了平台中“getting start”板块里的Digit Recognizer手写数字识别项目作为自己的入门实践，以下是我对此次课程作业过程的记录与总结。

目录

• 系统环境搭建

  • 存在的问题说明

  • 所用数据集概述

  • 数据的前期处理

  • 算法架构确定

  • • 卷积神经网络模型
    • 变量定义与函数表达
    • 网络拓扑结构
    • 其他相关参数设置

  • 模型的训练阶段

  • 训练过程的图形展示

  • 最终结果提交

环境配置

所采用的Python编程语言版本为3.7，构建模型所依赖的软件框架为Tensorflow，代码编写与调试环境为Jupyter Notebook。在数据处理阶段，主要运用了numpy与pandas这两个库进行分析运算，而在结果展示方面，则借助matplotlib与tensorboard实现数据的可视化呈现。

问题描述

MNIST作为计算机视觉领域的经典入门数据集，其核心内容为一组手写数字图像。**本次竞赛的核心任务是依据给定的手写数字图像，准确识别出其所代表的数值，针对每个测试样本，参赛者需给出对应的正确标签。**通过利用已标注的训练图像数据集构建机器