人工智能开发框架 08. MNIST手写数字识别任务（一）

目录

步骤一、实验准备

步骤二、数据准备

步骤三、导入Python库&模块并配置运行信息

---

步骤一、实验准备

确保你已经正确安装了MindSpore。同时希望你拥有Python编程基础和概率、矩阵等基础数学知识。

推荐环境：

版本：MindSpore 2.2及以上

编程语言：Python 3.7及以上

步骤二、数据准备

我们示例中用到的MNIST数据集是由10类28*28的灰度图片组成，训练数据集包含60000张图片，测试数据集包含10000张图片。

目录结构如下：

└─MNIST

    ├─  test

    │      t10k-images.idx3-ubyte

    │      t10k-labels.idx1-ubyte

    └─  train

            train-images.idx3-ubyte

            train-labels.idx1-ubyte

步骤三、导入Python库&模块并配置运行信息

#导入相关依赖库
import  os
from matplotlib import pyplot as plt
import numpy as npimport mindspore as ms
import mindspore.context as context
import mindspore.dataset as ds
import mindspore.dataset.transforms as C
import mindspore.dataset.vision as CV
from mindspore.nn.metrics import Accuracyfrom mindspore import nn
from mindspore.train import Model
from mindspore.train.callback import ModelCheckpoint, CheckpointConfig, LossMonitor, TimeMonitorcontext.set_context(mode=context.GRAPH_MODE, device_target='CPU')

特别注意：

本实验中我们的运行模式是图模式。根据实际情况配置硬件信息，譬如代码运行在Ascend AI处理器上，则device_target选择Ascend，代码运行在CPU上。