Tensorflow1.8用keras实现MNIST数据集手写字体识别例程

最新推荐文章于 2023-05-08 18:02:57 发布

lkangkang

最新推荐文章于 2023-05-08 18:02:57 发布

阅读量1.4k

点赞数

分类专栏： Tensorflow Python 文章标签： Tensorflow Python keras MNIST

本文链接：https://blog.csdn.net/lkangkang/article/details/82915353

版权

本文介绍了如何在Tensorflow 1.8中利用keras实现MNIST数据集的手写数字识别。通过动态图模式eager执行计算，不再需要Session。首先下载并加载MNIST数据集，然后使用keras构建模型，定义参数并训练。经过10000次训练，损失值达到约1%，测试准确率为97%。

摘要由CSDN通过智能技术生成

import tensorflow as tf
tf.enable_eager_execution()

eager是新版本加入的动态图，可以直接计算出结果而不用使用Session。同时也支持微分操作。

class DataLoader():
    def __init__(self):
        mnist = tf.contrib.learn.datasets.load_dataset("mnist")
        self.train_data = mnist.train.images # np.array [55000,784]
        self.train_labels = np.asarray(mnist.train.labels, dtype=np.int32) 
        self.eval_data = mnist.test.images 
        self.eval_labels = np.asarray(mnist.test.labels, dtype=np.int32) 
    def get_batch(self, batch_size):
        index = np.random.randint(0, np.shape(self.train_data)[0], batch_size)
        return self.train_data[index, :], self.train_labels[index]

下载数据集，load_dataset已经被弃用，但是作为练习入门，可是可以用以下。不fq可能会下载失败，这里可以把从其他地方下载好的数据放在当前运行目录下的MNIST-data文件夹下。该函数会检测到已经存在数据集，不执行下载，但是会把数据载入到m