TensorFlow(六)——MNIST分类之自动编码器

最新推荐文章于 2023-11-15 10:45:05 发布

MVincent

最新推荐文章于 2023-11-15 10:45:05 发布

阅读量835

点赞数

分类专栏： tensorflow 文章标签： tensorflow

本文链接：https://blog.csdn.net/MRxjh/article/details/82683948

版权

本文深入探讨了如何使用TensorFlow实现MNIST手写数字分类任务，通过构建自动编码器模型，详细阐述了模型训练过程及结果分析。

摘要由CSDN通过智能技术生成

import input_data
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

mnist = input_data.read_data_sets('data/', one_hot=True)

#设置训练超参
learning_rate = 0.01
training_epochs = 20
batch_size = 256
display_step = 1

examples_to_show = 10


#网络参数
n_hidden_1 = 256
n_hidden_2 = 128
n_input = 784

X = tf.placeholder("float", [None, n_input])

weights = {
    'encoder_h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
    'encoder_h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
    'decoder_h1': tf.Variable(tf.random_normal([n_hidden_2, n_hidden_1])),
    'decoder_h2': tf.Variable(tf.random_normal([n_hidden_1, n_input])),
}
biases = {
    'encoder_b1': tf.Variable(tf.random_normal([n_hidden_1])),
    'encoder_b2': tf.Variable(tf.random_normal([n_hidden_2])),
    'decoder_b1': tf.V