如何使用MNIST数据集实现大于9的数字识别

现有代码不适用的核心原因 #

你当前的模型是针对MNIST单数字0-9设计的10分类模型，仅支持输出10种离散分类结果，既没有学习过大数、小数的特征，结构本身也不支持输出连续值或多字符组合结果，因此无法满足需求。

场景1：手写多位数/小数图像识别（输入为手写图像，输出对应数值） #

如果你的需求是识别写有大于9的数字、小数的图像，按以下步骤调整：

• 数据集替换：原生MNIST仅包含单数字0-9样本，无法支撑大数/小数识别，你可以选用包含多数字的公开数据集，也可以自行拼接MNIST单数字、增加手写小数点样本生成合成数据集，标注为完整的数值字符串。
• 模型结构调整：
  1. 若预测的数值长度固定：可设置多分类头，每个字符位置对应一个分类器，分类类别包含0-9和小数点共11类，总损失为各位置分类损失的和。
  2. 若预测的数值长度不固定：可采用OCR领域常用的CRNN+CTC损失结构，无需提前固定字符长度，可直接输出任意长度的数字、小数点组合，转换后即可得到目标数值。
• 输出层与损失调整：删除原最后一层units=10的softmax层和分类损失，替换为对应场景的输出结构与损失函数。

场景2：纯数值回归预测（输入为特征向量，输出连续数值） #

如果你的需求是预测连续数值而非图像识别，可直接将任务调整为回归任务，修改后的代码如下：

import tensorflow as tf

model = tf.keras.models.Sequential()
# 若为纯数值输入可删除Flatten层，替换为对应输入层
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(units=128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(units=128, activation=tf.nn.relu))
# 回归任务输出层：单神经元，无激活函数
model.add(tf.keras.layers.Dense(units=1))

# 编译参数替换为回归适配配置
model.compile(optimizer='adam', loss='mse', metrics=['mae'])

# 训练时y_train直接传入对应的连续数值标签即可
model.fit(X_train, y_train, epochs=10)

内容的提问来源于stack exchange，提问作者OK 400