近年来，由于大数据、计算能力等各方面科学技术的稳步提高，加之国家政策的大 力扶持，越来越多的资金涌入深度学习领域，通过深度学习技术研发的各种人工智能应 用数不胜数， 不论是在工业领域还是日常生活领域， 很大程度上都带来了便利。 从 AlphaGo 击败韩国选手李世石，到近些年国内 AI 独角兽公司层出不穷的 AI 应用，在到 AI 算力在此次疫情中强有力的支撑，无不昭示着人工智能时代正在朝我们走来。
本论文以 MNIST 手写字为研究对象，在使用 AlexNet 卷积神经网络的基础上，通过 修改相关层级结构，对 MNIST 手写字识别的准确率高达 98%；此外， 为丰富论文成果， 论文最后特地附加了花卉识别的例子，由于花卉样本数据集是通过爬虫技术获取，且总 量仅为 3000 余张， 加之样本数据集的质量参差不齐， 故对花卉识别的准确率仅在 70%-80%，值得一提的是，关于花卉识别的例子还在华为云 AI 开发平台 ModelArts 上进 行了部署测试，且最终识别率稳定在 70%。
本文在以深度学习为大背景的条件下，通过对经典卷积神经网络 AlexNet 的学习， 进而在一定的基础上修改标准 AlexNet 中的某些特定参数，结合使用当前较为火爆的编
2 程语言Python来完成对机器学习领域入门级数据集MNIST手写字的识别（第一个例子）， 并最终按照要求保证识别准确率在 95%以上；在第二个例子中， 我们为了弥补第一个例 子的两点不足（数据集为灰度图；未使用标准的 AlexNet 卷积神经网络结构），特别引 入利用 AlexNet 对 5 种花的识别，并最终借助华为云 AI 开发平台 ModelArts 将此项目进 行部署测试。
根据内容整体框架，我将论文分为 5 个章节来讲述，各个章节内容概述如下所示：
第一章：通过对深度学习在各领域的应用以及对当今世界科技领域的重要性的了解， 进一步明确选题的目的及意义，并最终给出本文的目录结构；
第二章：对 TensorFlow 2.0 版本中的基础概念及代码实现中可能用到的 API 进行介 绍；
第三章：对神经网络与深度学习的部分基础概念进行简单的介绍。（注：第二、三、 四章节中只会介绍与本论文项目展示部分所涉及知识点相关的部分，其余部分不再赘述）
第四章：在掌握前几章基本知识的基础上，本节开始首先会对 AlexNet 卷积神经网 络的细节进行讲解，接着将在此章节中将引入两个例子（手写字的识别和五种花分类的 识别）从而更好的理解 AlexNet 在项目中的应用；
第五章：在完成本论文中的项目之后，我们将对本论文进行全面的总结工作，指出 论文中的不足，并对下一步的工作做出展望。
关注微信
