摘要：深度学习的相关概念早前三四十年前就有一些优秀的计算机科学家提出，但受限于硬件电路的发展，知道最近几年，深度学习的相关算法才真正能够得到应用。随着摄像头技术的普及[]，拍照从原来少数人的“专利”，逐渐变成一项全民行为，伴随着社交网络兴起，每天都会有大量图片上传到网络上，图片开始成为一种主流的信息载体，因此准确的识别图片中内容越来越变成一种刚需。相比于传统的图像识别算法，深度学习在图像识别中的应用具有准确率显著提高的优点，本文由浅入深，从深度学习的基本概念入手，重点介绍卷积神经网络，同时使用tensorflow以MNIST数据集的手写数字为例，介绍深度学习在图像识别中的应用。

关键词：深度学习；图像识别；卷积神经网络；tensorflow；

目录

摘要

ABSTRACT

第1章 绪论-3

1.1本设计的背景和意义-3

1.2本课题研究现状-4

第2章 神经网络的基本概念的介绍-5

2.1机器学习-5

2.2算法的模型表示-5

2.3成本函数和梯度下降算法-6

2.4神经网络-7

第3章 卷积神经网络介绍-9

3.2 卷积层-9

3.2.1 卷积计算-9

3.2.2 像素填充-11

3.2.3 超量卷积-12

3.3单层卷积神经网络-12

3.4 池化层-14

3.5.简单卷积神经网络示例-15

第4章 手写数字识别（基于Tensorflow）-17

4.1.Tensorflow简介-17

4.2.MNIST数据集简介-17

4.3.手写数字识别-17

4.3.1加载MNIST数据集-17

4.3.2训练所需参数设定-17

4.3.3 封装卷积函数和池化函数-18

4.3.4 构建神经网络-18

4.3.5初始化权重和偏置信息-19

4.3.6 主函数-19

4.4 输出结果-20

第5章 总结-21

致谢-22

参考文献-23