در این مقاله، ما در دنیای یادگیری عمیق کاوش می‌کنیم و کاربرد آن را در طبقه‌بندی مجموعه داده MNIST با استفاده از پایتون و کراس بررسی می‌کنیم. مجموعه داده MNIST، متشکل از ارقام دست¬نویس، یک معیار اساسی برای ارزیابی مدل‌های یادگیری ماشین بوده است. ما یک راهنمای گام¬به¬گام، از بارگذاری و پیش‌پردازش داده¬ها تا ایجاد و ارزیابی مدل ارائه می‌دهیم. معماری شبکه عصبی باKeras ، شامل لایه¬های ورودی و خروجی همراه با یک لایه پنهان برای استخراج ویژگی طراحی شده است. این مدل آموزش‌دیده و ارزیابی شده است و دقت خود را بر روی داده‌های تست نشان می‌دهد. از طریق این برنامه آموزشی، خوانندگان بینش¬های عملی در مورد اصول یادگیری عمیق و پتانسیل اعمال این تکنیک‌ها در سایر وظایف بینایی کامپیوتری به دست می‌آورند

یادگیری ماشینی یادگیری عمیق MNIST بینایی کامپیوتر