经典手写数字mnist数据集识别

这篇博客介绍了如何使用神经网络进行手写数字识别,重点在于mnist_inference.py、mnist_train.py和mnist_eval.py三个代码文件,分别对应神经网络结构、训练过程和测试过程。博主计划分享更多机器学习和深度学习的学习历程。
摘要由CSDN通过智能技术生成

今天是我的第一篇博客,就从最基本的用神经网络识别手写数字mnist数据集开始。。。本博客资源来源于网络,为了提供给自己和刚开始接触机器学习和深度学习的同学参考一下,如有雷同请自行忽略。。。
以下三块程序是初学者可以学习用的,不包含图片预处理和可视化部分,采用CPU运算。
mnist_inference.py代码部分,主要定义了神经网络的结构参数和前向传播的过程。(先上传代码,后期会加上注释)

# -*- coding: utf-8 -*-
"""
Created on Mon Jul 10 11:36:35 2017

@author: cxl
"""

import tensorflow as tf
INPUT_NODE = 784
OUTPUT_NODE = 10
LAYER1_NODE = 500

def get_weight_variable(shape,regularizer):
    weights = tf.get_variable("weights",shape,
        initializer = tf.truncated_normal_initializer(stddev=0.1))

    if regularizer != None:
        tf.add_to_collection('losses',regularizer(weights))
    return weights


def inference(input_tensor,regularizer):
    with tf.variable_scope('layer1'):
        weights =get_weight_variable([INPUT_NODE,LAYER1_NODE],regularizer)
        biases = tf.get_variable("biases",[LAYER1_NODE],
            initializer = tf.constant_initializer(0.0))
        layer1 = tf.nn.relu(tf.matmul(input_tensor,weights)+biases)

    with tf.variable_scope(
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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