MNIST手写数字识别(tensorflow)

最新推荐文章于 2024-05-21 14:45:00 发布

a_achengsong

最新推荐文章于 2024-05-21 14:45:00 发布

阅读量520

点赞数

分类专栏：深度学习(tensorflow)

本文链接：https://blog.csdn.net/csqazwsxedc/article/details/97976136

版权

深度学习(tensorflow) 专栏收录该内容

0 篇文章 0 订阅

订阅专栏

深度学习(tensorflow)

神经网络一半包含三层，输入层、隐含层、输出层。如下图所示：

在这里插入图片描述

现以手写数字识别为例：
输入为784个变量，输出为10个节点，10个节点再通过softmax激活函数转化为预测值。
在这里插入图片描述
代码如下，准确率可达0.9226

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32, [None, 784])
w = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,w) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(cross_entropy)
tf.global_variables_initializer().run()
for i in range(10000):
    batch_xs, batch_ys = mnist.train.next_batch(128)
    train_step.run({x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels}))