该项目运用了经过重新训练的TensorFlow初始模型以预测Kaggle MNIST竞赛，并将预测结果与手工构建的CNN模型所得结果进行对比

该脚本使用TensorFlow的Inception-v3 CNN的重新训练版本对Kaggle MNIST数据集进行分类。 然后将结果与手工CNN模型的结果进行比较。 灵感 自从了解TensorFlow的Inception-v3模型以来，我很高兴将其在分类任务中的性能与从头开始制作的模型进行比较。 在MNIST数据集上测试Inception-v3的性能是一个合理的选择，因为我项目提供了手工模型可达到的分类精度的基准。 关于开始学习和转移学习 Inception-v3模型是Google为参加ImageNet竞赛而构建的CNN。 因此，对Inception-v3进行了本地培训，将输入图像分类为ImageNet中使用的1,000个类别之一。 转移学习是一种方法，通过该方法，人们可以为新的目的重新训练部分现有的机器学习模型。 在这种情况下，我们将重新训练Inception-v3的瓶颈层。 “瓶颈”层