Tensorflow 实战Google深度学习框架——学习笔记（四）全连接神经网络实现MNIST手写数字集识别

MNIST手写数字集识别

一个完整的TensorFlow程序来解决MNIST手写体数字识别问题。用到了带指数衰减的学习率设置、正则化避免过拟合，以及滑动平均模型来增加模型鲁棒性。

1、第一次运行下面的代码会TensorFlow会自动下载数据集到下面的路径中，再用one_hot参数将y集热点化。

自动下载不成功的可以去http://yann.lecun.com/exdb/mnist/ 下载，下载完直接放到文件夹里面就好，不用解压。

import tensorflow as tf
import os
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('../datasets/MNIST_data/', one_hot=True)

2. 数据集会自动被分成3个子集，train、validation和test。以下代码会显示数据集的大小。

print("Training data size: ", mnist.train.num_examples)
print("Validating data size: ", mnist.validation.num_examples)
print("Testing data size: ", mnist.test.num_examples)

Training data size:  55000
Validating data size:  5000
Testing data size:  10000

3. 查看training数据集中某个成员的像素矩阵生成的一维数组和其属于的数字标签

print("Example training data: ", mnist.train.images[0] )
print("Example training data label: ", mnist.train.labels[0])

Example training data:  [ 0.          0.          0.          0.          0.          0.          0.
·····
  0.          0.          0.          0.          0.          0.          0.
  0.          0.          0.          0.          0.          0.          0.        ]
Example training data label:  [ 0.  0.  0.  0.  0.  0.  0.  1.  0.  0.]