使用Tensorflow搭建最简单的网络结构来训练mnist数据集

一、搭建编程环境

1. 首先安装ananconda，然后创建虚拟环境。

2.在虚拟环境里面安装tensorflow-gpu

3.使用  conda install keras  安装好  keras

4.运行 jupyter notebook。编写代码就可以了。

二、编写代码运行

#导入tensorflow和keras
import tensorflow as tf
import keras

#下载mnist数据集和读取下载的数据集
mnist = keras.datasets.mnist

(x_train,y_train),(x_test,y_test) = mnist.load_data()
x_train = x_train/255.0
x_test = x_test/255.0

#定义网络模型

model = keras.models.Sequential([
    keras.layers.Flatten(),
    keras.layers.Dense(512,activation=tf.nn.relu),
    keras.layers.Dropout(0.2),
    keras.layers.Dense(10,activation=tf.nn.softmax)
])

#模型编译，定义损失函数，梯度下降优化算法

model.compile(
    optimizer = 'adam',
    loss = 'sparse_categorical_crossentropy',
    metrics = ['accuracy'])

#训练网络结构，定义batch_size,迭代次数等
model.fit(x_train,y_train,epochs = 5,batch_size = 128)

#测试训练结果
model.evaluate(x_test,y_test)