2.4　机器学习的“Hello World”

2.4.1　MNIST 数据集

MNIST 数据集（Mixed National Institute of Standards and Technology database，美国国家标准与技术研究所数据库）是著名的公开数据库之一，它是一个入门级的计算机视觉数据集，包含大量的手写数字图片。在机器学习领域，MNIST 数据集可以说是入门基础。

在机器学习的学习过程中，需要有大量的数据集。一个机器学习构件，除了机器算法、模型，还要有丰富且大量的训练样本。

在MNIST 官方网站上可以下载以下4 个数据文件（分别是训练样本、训练标签、测试样本、测试标签）。

下载到的图片如图2-5 所示，是由不同人手写的数字图片组成的，并且数量很多。需要注意的是，提供的图片的格式并不是通用的图片格式，是经过处理的，无法用图片浏览器打开。

2.4.2　MNIST 模型训练

下面快速演示一下在TensorFlow 中，MNIST 模型训练的过程，使大家对机器学习有一个大体的了解。

第一步，下载并安装TensorFlow。在安装完成后，将TensorFlow 载入程序，如下所示。

第二步，载入准备好的MNIST 数据集，将样本从整数转换为浮点数，如下所示。

程序开始自动下载mnist.npz，如下所示。

第三步，定义和搭建 tf.keras.models.Sequential 模型，用于训练选择优化器和损失函数，如下所示。

第四步，运行以下语句以训练和验证模型。

训练的过程大致如下：

我们看到，这个数字识别器的准确度已经高达98%了。至此，我们完成了一个入门级机器学习的模型训练，实现了数字图片的识别功能。在这个模型训练中，我们使用了现成的数据集和算法，只设置了几个超参，因为数据量小，所以速度很快。有了MNIST模型训练的直观概念，我们就能很好地理解Kubeflow 中的MNIST 模型训练了。