使用Tensorflow框架实现MNIST手写数字识别。

1 数据集准备

MNIST数据集实现手写数字识别问题是机器学习/深度学习的入门课程，属于典型的图像分类问题。

MNIST数据集作为一个简单的计算机视觉数据集，包含一系列如下图所示的手写数字图片和对应的标签。图片是28x28的像素矩阵，标签则对应着0~9的10个数字。每张图片都经过了大小归一化和居中处理。

MNIST数据集的官方下载地址为：http://yann.lecun.com/exdb/mnist/ 包含训练和测试数据。

• Training set images: train-images-idx3-ubyte.gz (9.9MB，包含 60,000 个样本)

• Training set labels: train-labels-idx1-ubyte.gz (29KB，包含 60,000 个标签)

• Test set images: t10k-images-idx3-ubyte.gz (1.6MB，包含 10,000 个样本)

• Test set labels: t10k-labels-idx1-ubyte.gz (5KB，包含 10,000 个标签)

请下载上述4个压缩包数据到本地，数据集可上传到本地存储或者对象存储中，本例将数据上传到本地存储中。

在控制台数据文件->本地存储下，新增例如名称为mnist-data的文件夹，将上述数据上传到mnist-data文件夹下。

可以使用Notebook或者训练任务进行模型训练。

2 使用Notebook进行训练

在Notebook中，您可以在Jupyter Lab环境下，编写、调试代码，完成训练、离线预测，并保存模型。

2.1 上传Notebook训练代码

本例将训练代码上传到本地存储中。

在数据文件->本地存储下，新建文件夹例如/mnist-code/mnist-notebook。

请下载Notebook的训练代码mnist-notebook-demo.ipynb并上传到/mnist-code/mnist-notebook文件夹下。这是Notebook需要的训练代码。

2.2 创建Notebook实例

选择左侧“Notebook”，点击“创建实例”，在弹窗中填写实例名称等配置，如下：

• 实例名称：notebook-mnist-demo

• 存储路径：本地存储：/mnist-code/mnist-notebook/（存放Notebook训练代码的路径）

• 数据来源：本地存储：/mnist-data

• 资源池：公共资源池

• 资源套餐：CPU_4核8GiB

点击确定后，即可完成Notebook实例创建。

2.3 打开Jupyter Lab进行代码调试

• 创建了一个实例叫做notebook-mnist-demo，等待实例状态为“运行中”，点击“打开Jupyter”按钮，启用Jupyter Lab。

• 新打开的Jupyter Lab环境中，当面目录./即是2.2节中配置的存储路径，此存储路径读写挂载到当前路径。

• ../data文件夹下，是您的mnist-data数据集，此数据集只读挂载。

• 双击打开mnist-notebook-demo.ipynb，选择Tensorflow-v1.12.0-py27的kernal，单步调试或者"Run All Cells"执行结束后，您可以看到，它实现了用tensorflow进行手写数字模型训练，并将训练好的模型保存到./output/model/下。

Notebook会不断将当前路径下的内容同步到您的本地存储路径/mnist-code/mnist-notebook/下面。您可以在本地存储/mnist-code/mnist-notebook/output/model/路径下看到保存的预测模型，此模型可直接用于在线服务。

2.4 停止Notebook

在Notebook列表页，点击操作列的“停止”按钮，停止训练完成的notebook-mnist-demo实例，避免扣费。

3 使用训练任务进行训练

本例将训练代码上传到本地存储中。

在数据文件->本地存储下，新建文件夹/mnist-code/mnist-train，请下载训练代码mnist-train-demo.py，并上传到/mnist-code/mnist-train文件夹下。这是训练任务需要的训练代码。

在数据文件->文件管理下，新建文件夹/mnist-code/mnist-train-output，存放训练模型输出。

选择左侧“训练任务”，点击“创建任务”，进入新建任务弹窗。在弹窗中填写任务名称等配置，如下：

• 任务名称：job-mnist-demo

• 任务版本：v0.0.1

• 算法来源：自定义算法

• 计算框架：Tensorflow-v1.12.0-py27

• 算法文件路径：本地存储：/mnist-code/mnist-train/（存放训练任务代码的路径）

• 启动命令：python mnist-train-demo.py

• 数据来源：本地存储：/mnist-data

• 训练输出路径：/mnist-code/mnist-train-output

• 分布式训练模式：单机

• 资源池：公共资源池

• 资源规格：CPU_4核8GiB

点击确定后，即可创建训练任务。

等待训练任务完成后，任务状态为“已成功”。

此训练代码将模型保存在训练输出路径/{job-ID}-{VERSION}/model/路径下，即模型在本地存储/mnist-code/mnist-train-output/job-mnist-demo-v0.0.1/model/路径下。