用多层感知器（MLP）识别手写数字，小白也能懂的实战教程​

引言

你有没有想过，电脑是怎么识别手写数字的？其实用深度学习里的多层感知器（MLP）就能实现！今天咱们就用简单的代码，手把手教你搭建一个识别手写数字的模型，小白也能轻松跟上～

准备工作：导入相关包

首先，我们需要导入一些 “工具包”，就像做饭要准备厨具一样。这些包能帮我们完成数据加载、模型搭建等操作。

import numpy as npfrom keras.datasets import mnistfrom matplotlib import pyplot as pltfrom keras.utils import to_categoricalfrom keras.models import Sequentialfrom keras.layers import Dense, Flatten

这里numpy是处理数值计算的，mnist是手写数字数据集，pyplot用来画图，to_categorical帮我们处理标签，Sequential和Dense、Flatten用来搭建神经网络。

加载数据：获取手写数字数据集

我们要用到 MNIST 手写数字数据集，它里面有好多手写的 0-9 数字图片。用下面的代码加载数据：

path = 'D:/其他/AIPM实战营/AI人工智能从入门到精通/mnist.npz'(X_train, y_train), (X_test, y_test) = mnist.load_data(path)print(X_train.shape, y_train.shape)print(X_test.shape, y_test.shape)

X_train和X_test是图片数据，y_train和y_test是对应的数字标签。比如X_train.shape输出(60000, 28, 28)，意思是有 60000 张图片，每张图片是 28 像素 ×28 像素的。

可视化展示数据：看看手写数字长啥样

咱们先看看这些手写数字到底啥样。随机选 9 张训练集的图片展示：

s_x_train = np.random.choice(len(X_train), size=9, replace='false')fig1 = plt.figure()for i, label in enumerate(s_x_train):plt.subplot(3, 3, i + 1)plt.imshow(X_train[label], cmap='gray')plt.axis('off')plt.title(f"y_train:{y_train[label]}")plt.suptitle("mnist dataset")plt.show()

np.random.choice是随机选 9 个图片的索引，然后用plt.imshow把图片显示出来，这样你就能看到这些手写数字啦，标题还会显示对应的正确数字标签。

处理数据：让数据变得适合模型训练

归一化

图片像素值原本是 0-255，我们把它们缩放到 0-1 之间，这样模型训练更稳定。

x_train = x_train / 255x_test = x_test / 255

标签独热编码

因为是多分类任务（识别 0-9），把标签转换成独热编码格式，方便模型计算损失。

y_train = to_categorical(y_train, 10)y_test = to_categorical(y_test, 10)

比如原来标签是 5，独热编码后会变成[0, 0, 0, 0, 0, 1, 0, 0, 0, 0] ，这样模型就知道是第 5 个类别啦。

建立模型：搭建多层感知器

接下来搭建我们的多层感知器模型。就像搭积木一样，一层一层往上加。

mlp = Sequential()mlp.add(Flatten(input_shape=(28, 28)))mlp.add(Dense(units=392, activation='relu'))mlp.add(Dense(units=392, activation='relu'))mlp.add(Dense(units=10, activation='softmax'))

Flatten层：把 28×28 的图片 flatten 成一维的 784 个数据，方便后面的层处理。

Dense层：就是全连接层。这里有两层隐藏层，每层 392 个神经元，用relu激活函数，让模型能学习复杂的非线性关系。最后一层 10 个神经元，用softmax激活函数，输出每个数字的概率。

编译模型：设置训练的 “规则”

模型搭好后，得设置怎么训练它，比如用什么优化器、损失函数。

mlp.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])

optimizer='adam'：adam是一种常用的优化器，能帮模型更快更好地学习。

loss='binary_crossentropy'：损失函数，这里用二元交叉熵（不过其实多分类用categorical_crossentropy更合适，这里可以注意下，后面可以调整试试 ），用来衡量模型预测的准不准。

metrics=['accuracy']：用准确率来评估模型，看对了多少图片。

训练数据：让模型开始学习

现在让模型开始学习这些手写数字啦，设置训练 10 轮（epochs=10）。

mlp.fit(x_train, y_train, epochs=10, verbose=1)

epochs=10表示把整个训练集数据过 10 遍，verbose=1会显示训练的进度，你能看到每一轮的损失和准确率变化。

评估模型结果：看看模型学得咋样

用测试集看看模型在没见过的数据上表现如何。

x_test_loss, x_test_accuracy = mlp.evaluate(x_test, y_test, verbose=2)print(x_test_loss, x_test_accuracy)

evaluate函数会计算测试集上的损失和准确率，比如输出0.0157 0.9830 ，就表示损失是 0.0157，准确率是 98.3% ，还不错吧！

可视化展示预测结果：看看模型预测得对不对

最后，咱们随机选 9 张图片，看看模型预测的结果。

p_x_train = np.random.choice(len(x_train), size=9, replace='false')fig2 = plt.figure()for i, label in enumerate(p_x_train):plt.subplot(3, 3, i + 1)plt.imshow(x_train[label], cmap='gray')plt.axis('off')y_train_predict = mlp.predict(x_train[label].reshape(1, 28, 28))y_label = np.argmax(y_train_predict)plt.title(f"y_predict:{y_label}")plt.suptitle("mnist dataset predict")plt.show()

np.random.choice again 随机选 9 张图，mlp.predict让模型预测，np.argmax找出概率最高的类别，就是模型预测的数字，标题会显示出来，你可以对比看看和实际对不对。

总结

怎么样，通过这一步步的操作，你是不是已经能用多层感知器识别手写数字啦！其实深度学习也没那么难，只要跟着步骤来，小白也能玩转。快自己动手试试吧，说不定还能优化优化模型，让准确率更高呢！

#深度学习入门

#多层感知器

#MNIST

数据集#Python实战#人工智能