使用tensorflow利用神经网络分类识别MNIST手写数字数据集

随心1993

于 2017-07-26 16:41:38 发布

阅读量6.5k

点赞数 6

分类专栏：深度学习 Python 机器学习文章标签： tensorflow mnist手写体数字识别

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/colourful_sky/article/details/76152664

版权

本文介绍了如何使用TensorFlow通过神经网络对MNIST手写数字数据集进行分类识别。首先，详细说明了下载和加载MNIST数据集的过程，然后解释了神经网络的结构，包括输入层、隐藏层和输出层，并使用softmax回归计算类别概率。最后，展示了完整的训练代码及运行结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 下载MNIST数据集
当我们开始学习编程的时候，第一件事往往是学习打印”Hello World”。就好比编程入门有Hello World，机器学习入门有MNIST。
MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片：
这里写图片描述
每张图片大小为28*28，展开成一维行向量就是784维，即每张图片就是784维空间中的一个点。
tensorflow提供一个input_data.py文件，专门用于下载mnist数据，我们直接调用就可以了，代码如下：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

执行完成后，会在当前目录下新建一个文件夹MNIST_data, 下载的数据将放入这个文件夹内。下载的四个文件为：
这里写图片描述
每个子集都由两部分组成：图片部分（images)和标签部分(labels), 我们可以用下面的代码来查看：

print(mnist.train.images

最低0.47元/天解锁文章