Heerozh/digit_recognition

Street View House Numbers Recognition

机器学习工程师纳米学位

深度学习

项目：搭建一个数字识别项目

安装

这个项目要求使用 Python 2.7 并且需要安装下面这些python包：

• NumPy
• SciPy
• scikit-learn (v0.17)
• TensorFlow

你同样需要安装好相应软件使之能够运行Jupyter Notebook.

除了上面提到的，对于那些希望额外使用图像处理软件的，你可能需要安装下面的某一款软件：

• PyGame
  • 对于安装PyGame有帮助的链接：
  • Getting Started
  • PyGame Information
  • Google Group
  • PyGame subreddit
• OpenCV

对于那些希望选择额外选择将应用部署成安卓应用的：

• Android SDK & NDK (查看这个README)

如果你还没有安装Python，优达学城推荐学生安装Anaconda这是一个已经打包好的python发行版，它包含了我们这个项目需要的所有的库和软件，请确认你安装的是Python 2.7而不是Python 3.x。然后pygame和OpenCV可以通过下列命令安装：

Mac:

conda install -c https://conda.anaconda.org/quasiben pygame
conda install -c menpo opencv=2.4.11

Windows & Linux:

conda install -c https://conda.anaconda.org/tlatorre pygame
conda install -c menpo opencv=2.4.11

代码

初始代码包含在digit_recognition.ipynb这个notebook文件中。这里面没有提供给你代码，为了完成项目，你需要在notebook中实现基本的功能并回答关于你的实现和结果的问题。

运行

在命令行中，确保当前目录为 digit_recognition/ 文件夹的最顶层（目录包含本 README 文件），运行下列命令：

ipython notebook digit_recognition.ipynb

或者

jupyter notebook digit_recognition.ipynb

这会启动 Jupyter Notebook 并把项目文件打开在你的浏览器中。

数据

因为这个项目没有直接提供任何的代码，你要自己下载并使用街景房屋门牌号(SVHN)数据集，同时你还需要notMNIST数据集或者是MNIST数据集。如果你已经完成了课程内容，那么你已经有notMINIST数据集了。