使用CNN处理MNIST数据集

最新推荐文章于 2024-08-02 12:58:05 发布

dabaobaba

最新推荐文章于 2024-08-02 12:58:05 发布

阅读量509

点赞数

本文链接：https://blog.csdn.net/dabaomama_/article/details/100532230

版权

这篇博客介绍了如何依据莫烦的视频教程，利用TensorFlow构建一个包含六层的卷积神经网络（CNN）来处理MNIST手写数字识别任务。网络结构包括两个卷积层和两个池化层，最后接两个全连接层，输出层用于10类分类。

摘要由CSDN通过智能技术生成

根据莫烦学习视频教程~

这里使用了six layer

卷积层1：[28,28,1] 变为[28,28,32]
池化层1：[28,28,32] 变为[14,14,32]
卷积层2：[14,14,32] 变为[14,14,64]
池化层2：[14,14,64] 变为[7,7,64]
全连接层1：7764变为1024
全连接层2：1024变为10

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np
import os

# number 1 to 10 data

    mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

def compute_accuracy(v_xs, v_ys):
    global prediction
    y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1})
    correct_prediction = tf.equal(tf.argmax(y_pre,1), tf.argmax(v_ys,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys, keep_prob: 1})
    return result


def weight_variable(shape):
    initial = tf.truncat