神经网络之多层感知机MLP的实现（Python+TensorFlow）

最新推荐文章于 2024-04-27 10:10:13 发布

Joy_Shen

最新推荐文章于 2024-04-27 10:10:13 发布

阅读量3.8k

点赞数 1

分类专栏： Deep Learning TensorFlow | Keras 文章标签： tensorflow MLP 神经网络

本文链接：https://blog.csdn.net/index20001/article/details/75439081

版权

用 MLP 实现简单的MNIST数据集识别。

# -*- coding:utf-8 -*-
#
# MLP

"""
MNIST classifier, 多层感知机实现
"""

# Import data
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)

sess = tf.InteractiveSession()


# Create the model, 只有一层隐藏层
in_units = 784
h1_units = 300
W1 = tf.Variable(tf.truncated_normal([in_units, h1_units], stddev=0.1))
b1 = tf.Variable(tf.zeros([h1_units]))
W2 = tf.Variable(tf.zeros([h1_units, 10]))
b2 = tf.Variable(tf.zeros([10]))

x = tf.placeholder(tf.float32, [None, in_units])
keep_prob = tf.placeholder(tf.float32)

hidden1 = tf.nn.relu(tf.matmul(x, W1) + b1)
hidden1_drop = tf.nn.dropout(hidden1, keep_prob)
y = tf.nn.softmax(tf.matmul(hidden1_drop,