import tensorflow as tf
from numpy.random import RandomState
from tensorflow.examples.tutorials.mnist import input_data
x = tf.placeholder(tf.float32, shape=(None, 28*28), name="x-input")
batch_size = 8
w1= tf.Variable(tf.random_normal([28*28,40], stddev=0.3, seed=1))
b1= tf.Variable(tf.zeros([40]))
f1 = tf.add(tf.matmul(x, w1),b1)
y1 = tf.nn.relu(f1)
print(tf.size(x))
print(tf.size(w1))
w2= tf.Variable(tf.zeros([40, 10]))
b2=tf.Variable(tf.zeros([10]))
f2 = tf.add(tf.matmul(y1, w2),b2)
y = tf.nn.softmax(f2)
y_= tf.placeholder(tf.float32, shape=(None, 10), name='y-input')
cross_entropy = -tf.reduce_mean(y_ * tf.log(tf.clip_by_value(y, 1e-10, 1.0))+ (1-y_) * tf.log(tf.clip_
python工具方法 1 tensorflow简单全连接神经网络,识别minist手写数字
最新推荐文章于 2021-05-23 16:05:44 发布
这篇博客介绍了如何利用TensorFlow建立一个全连接神经网络,对MNIST数据集的手写数字进行识别。作者提供了代码,并提到了数据集的下载链接,包括softmax分类、KNN分类和神经网络分类的案例。
摘要由CSDN通过智能技术生成