Tensorflow #2 深度学习-RNN LSTM版 MNIST手写识别Demo

最新推荐文章于 2022-10-12 01:03:49 发布

学术状态抽奖器

最新推荐文章于 2022-10-12 01:03:49 发布

阅读量2.1w

点赞数 2

分类专栏：机器学习文章标签：深度学习 RNN LSTM Tensorflow MNIST

本文链接：https://blog.csdn.net/MebiuW/article/details/52705731

版权

本文介绍了使用Tensorflow实现的RNN LSTM模型进行MNIST手写数字识别，通过添加注释理解代码，实现了约96%-97%的识别正确率。MNIST数据集分为训练集、测试集和验证集，标签采用one-hot编码。目标是精确识别手写数字。

摘要由CSDN通过智能技术生成

Tensorflow #1 祖传例子 MNIST 手写识别
Tensorflow自带的那个MNIST任务其实挺好用的，之前使用最简单的方法去做，记得正确率应该是92%附近？
其实那个例子是用来熟悉Tensorflow的，算是一个对Tensorflow的熟悉吧，而最近也在看RNN，并且正好看到了这个RNN的例子，因此特别的读了下源代码，并且提供了相关的注释。

如果有问题请留言就好，目前也不是特别熟悉，难免遇到问题。

这个程序总体来说，还是MNIST任务，如果有疑惑可以看我附上上一篇，或者文章最后我直接复制过来的那些。

正确率大约在96%~97%
这里写图片描述




from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import numpy as np
#在这里做数据加载，还是使用那个MNIST的数据，以one_hot的方式加载数据，记得目录可以改成之前已经下载完成的目录
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)

'''
MNIST的数据是一个28*28的图像，这里RNN测试，把他看成一行行的序列（28维度（28长的sequence）*28行）
'''

# RNN学习时使用的参数
learning_rate = 0.001
training_iters = 100000
batch_size = 128
display_step = 10

# 神经网络的参数
n_input = 28  # 输入层的n
n_steps = 28  # 28长度
n_hidden = 128