全连神经网络的经典实践——MNIST数据集

本文介绍了如何使用深度学习中的全连接神经网络对MNIST手写数字识别数据集进行实践。MNIST包含70000张28x28像素的黑白图片,任务是将其分类为10个数字。通过tensorflow的input_data.py模块,我们可以方便地获取和处理数据集。文章详细阐述了数据集的结构,并展示了如何查看和理解数据集中的图片信息。
摘要由CSDN通过智能技术生成

通过前面的学习,想必大家已经对全连接的神经网络有一定的了解了,接下来我们将要动手实现一个简单而又经典的入门案例——MNIST手写数字识别。MNIST(Mixed National Institute of Standards and Technology database )手写体数字识别是一个经典案例,堪称深度学习界的“Hello World任务”,通过完成这个简单的任务来全面贯通之前所学过的深层全连神经网络的相关知识。在本小节中,我们先介绍一下MNIST数据集的内容以及获取方法。

MNIST 是一个非常简单的手写体数字识别数据集,由70000张 28×28 像素的黑白图片组成,每一个像素点都有一个取值为0~255的灰度值。每一张图片都写有 0~9 中的一个数字,我们的任务就是根据图片上的数字对这些图片进行 10 分类。图1展示了这个数据集中的一些样例图片。

在这里插入图片描述
在进行神经网络的设计前,我们需要先获取到MNIST的数据集。我们可以直接从网站(http://yann.lecun.com/exdb/mnist)中下载到数据集。为了方便,tensorflow已经封装了处理MNIST数据集的相关方法。我们需要使用的是tensorflow/examples/tu torials/mnist下的input_data.py文件,里面包含的read_data_sets()函数能读取指定路径的mnist数据集,若该路径下未检测到数据集,则会自动从上述网站中获取相应数据集。输入以下代码加载MNIST数据集:

其中第一个参数是train_dir,即MNIST数据集的存放路径,第二个参数是one_hot指定是否将样本图片对应到标注

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