基于TensorFlow的深度学习研究与实现（毕业设计）

近年来，由于大数据、计算能力等各方面科学技术的稳步提高，加之国家政策的大 力扶持，越来越多的资金涌入深度学习领域，通过深度学习技术研发的各种人工智能应 用数不胜数， 不论是在工业领域还是日常生活领域， 很大程度上都带来了便利。 从 AlphaGo 击败韩国选手李世石，到近些年国内 AI 独角兽公司层出不穷的 AI 应用，在到 AI 算力在此次疫情中强有力的支撑，无不昭示着人工智能时代正在朝我们走来。 本论文以 MNIST 手写字为研究对象，在使用 AlexNet 卷积神经网络的基础上，通过 修改相关层级结构，对 MNIST 手写字识别的准确率高达 98%；此外， 为丰富论文成果， 论文最后特地附加了花卉识别的例子，由于花卉样本数据集是通过爬虫技术获取，且总 量仅为 3000 余张， 加之样本数据集的质量参差不齐， 故对花卉识别的准确率仅在 70%-80%，值得一提的是，关于花卉识别的例子还在华为云 AI 开发平台 ModelArts 上进 行了部署测试，且最终识别率稳定在 70%。 主要内容及论文结构 本文在以深度学习为大背景的条件下，通过对经典卷积神经网络 AlexNet 的学习，