深度学习——手写数字识别——卷积神经网络

最新推荐文章于 2022-11-26 17:33:48 发布

joker_shy

最新推荐文章于 2022-11-26 17:33:48 发布

阅读量880

点赞数 1

分类专栏：深度学习文章标签：深度学习手写数字识别卷积神经网络卷积核

本文链接：https://blog.csdn.net/joker_shy/article/details/100559125

版权

本文介绍了使用卷积神经网络进行手写数字识别的方法，通过引入卷积核，实现了准确率高达99.41%的模型。详细讲述了卷积神经网络的原理，并提供了代码实现及效果展示。

摘要由CSDN通过智能技术生成

卷积神经网络

这里使用了卷积神经网络，在上一个的基础上加入了卷积核，这样可以提到效果的准确性，但相应的加长了代码运行的时长，
运用3个卷积核可以将准确率提高到99.41%

代码实现

import tensorflow as tf
import random
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt

tf.set_random_seed(1)

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

lerning_rate = 0.001
training_times = 15
batch_size = 100

# 占位符
keep_prob = tf.placeholder(tf.float32)

X = tf.placeholder(tf.float32, [None, 784])
Y = tf.placeholder(tf.float32, [None, 10])
X_img = tf.reshape(X, [-1, 28, 28, 1])

# 初始化W(W为卷积核)
W1 = tf.Variable(tf.random_normal([3, 3, 1, 32], stddev=0.01))
W2 = tf.Variable(tf.random_normal([3, 3, 32, 64], stddev=0.01))
W3 = tf.Variable(tf.random_normal([3, 3, 64, 128], stddev=0.01))

# 卷积部分
L1 = tf.nn