CNN卷积神经网络实现MNIST识别

该博客介绍了如何使用TensorFlow通过CNN卷积神经网络实现MNIST手写数字识别。首先下载并处理MNIST数据集,然后构建实验数据,包括训练集、测试集和验证集。接着详细描述了CNN的结构,包括卷积层、池化层、全连接层等,并解释了相关参数设置。最后,通过训练和评估模型,展示了识别的准确性。
摘要由CSDN通过智能技术生成

MNIST是手写的数据库,由Yann LeCun发布,http://yann.lecun.com/exdb/lenet/index.html Tensorflow也把数据库里的东西封装成方法,通过CNN卷积神经网络实现MNIST数据识别。

下载并安装MNIST数据集,分为训练集、测试集和验证集,每个有55000张图片,每张图片大小为28*28,784像素。

from tensorflow examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('mnist_data', one_hot = True)

mnist_data是自己取的数据集名称,存放在当前的py文件位置。
one_hot是独热码,例如1为0100000000,2为00100000000,以此类推。若为False,数字就为1、2、3…

构建实验数据

input_x = tf.placeholder(tf.float32, [None, 28*28])/255.
output_y = tf.placeholder(tf.int32, [None, 10])
input_x_images = tf.reshape(train_x, [-1, 28, 
  • 2
    点赞
  • 7
    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