单向RNN和双向RNN在mnist数据集上的分类实验

最新推荐文章于 2022-11-17 21:18:13 发布

ASD991936157

最新推荐文章于 2022-11-17 21:18:13 发布

阅读量1.2k

点赞数

本文链接：https://blog.csdn.net/ASD991936157/article/details/73480936

版权

本文探讨使用RNN进行图像分类的独特思路，特别是在MNIST数据集上的实验，包括单向RNN和双向RNN的实现与效果。

摘要由CSDN通过智能技术生成

RNN用于图像分类思路很奇特，不明觉厉，具体可以参考相关论文，rnn和birnn的实验：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# created by fhqplzj on 2017/06/19 下午10:28
from __future__ import print_function

import tensorflow as tf
from tensorflow.contrib import rnn
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('/Users/fhqplzj/github/TensorFlow-Examples/examples/3_NeuralNetworks/data',
                                  one_hot=True)
learning_rate = 0.001
training_iters = 100000
batch_size = 128
display_step = 10
n_input = 28
n_steps = 28
n_hidden = 128
n_classes = 10
x = tf.placeholder(tf.float32, [None, n_steps, n_input])
y = tf.placeholder(tf.float32, [None, n_classes])
weights = {
    'out1': tf.Variable(tf.random_normal([n_hidden, n_classes])),
    'out2': tf.Variable(tf.random_normal([2 * n_hidden, n_classes]))
}
b