TensorFlow-3: 用 feed-forward neural network 识别数字

本篇博客介绍了如何使用TensorFlow构建一个简单的全连接前馈神经网络来识别MNIST数据集中的手写数字。教程详细讲解了数据集划分、网络结构(2个隐藏层+softmax输出)、交叉熵损失函数、梯度下降优化器以及评估模型的过程。通过mnist.py和fully_connected_feed.py两个代码示例展示了训练和评估的完整流程,并涉及TensorFlow中的关键函数如tf.train.Saver()、tf.summary.FileWriter()等。
摘要由CSDN通过智能技术生成

今天继续看 TensorFlow Mechanics 101:
https://www.tensorflow.org/get_started/mnist/mechanics

完整版教程可以看中文版tutorial:
http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_tf.html

这一节讲了使用 MNIST 数据集训练并评估一个简易前馈神经网络(feed-forward neural network)

input,output 和前两节是一样的:即划分数据集并预测图片的 label

data_sets.train 55000个图像和标签(labels),作为主要训练集。
data_sets.validation    5000个图像和标签,用于迭代验证训练准确度。
data_sets.test  10000个图像和标签,用于最终测试训练准确度(train
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值