Tensorflow学习笔记(二)——MNIST机器学习入门

本文详细记录了使用TensorFlow进行MNIST手写数字识别的过程,包括数据下载、模型构建、训练及评估。通过创建 placeholder、定义权重、应用softmax函数、设置优化器,最终实现模型并达到约91%的测试准确率。
摘要由CSDN通过智能技术生成

一、mnist手写识别代码运行过程

1 下载数据库
http://yann.lecun.com/exdb/mnist/下载上面提到的4个gz文件,放到本地目录如 /tmp/mnist

2 下载input_data.py,放在/home/tmp/test目录下
https://tensorflow.googlesource.com/tensorflow/+/master/tensorflow/g3doc/tutorials/mnist/input_data.py

3 在/home/tmp/test目录下创建文件test_tensorflow_mnist.py,内容如下:

!/usr/bin/env python

import input_data
import tensorflow as tf

mnist = input_data.read_data_sets(“/tmp/mnist”, one_hot=True)

x = tf.placeholder(“float”, [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,W) + b)

评论 1
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