基于神经网络进行mnist手写数字识别

最新推荐文章于 2024-09-23 16:40:33 发布

mooe1011

最新推荐文章于 2024-09-23 16:40:33 发布

阅读量1.1k

点赞数 1

分类专栏： Python 机器学习

本文链接：https://blog.csdn.net/mooe1011/article/details/88958836

版权

该博客介绍了使用神经网络在Python 3.0以上环境中识别MNIST手写数字的方法，达到了99%的准确率。参考链接提供了数据集和教程。

摘要由CSDN通过智能技术生成

识别率可达99%，官网是py3.0版本以下，我改成了py3.0以上可用

数据集以及参考：http://www.tensorfly.cn/tfdoc/tutorials/mnist_pros.html

input_data.py

# #!/usr/bin/python
# # coding:utf-8

# 用于下载和读取MNIST数据的函数
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import gzip
import os
import tensorflow.python.platform
import numpy
from six.moves import urllib
from six.moves import xrange  # pylint: disable=redefined-builtin
import tensorflow as tf

SOURCE_URL = 'http://yann.lecun.com/exdb/mnist/'


# 若数据不存在，则从Yann的网站下载数据
def maybe_download(filename, work_directory):
    if not os.path.exists(work_directory):
        os.mkdir(work_directory)
    filepath = os.path.join(work_directory, filename)
    # 若指定路径不存在,则开始从原网站上下载
    if not os.path.exists(filepath):
        filepath, _ = urllib.request.urlretrieve(SOURCE_URL + filename, filepath)
        statinfo = os.stat(filepath)
        print('Successfully downloaded', filename, statinfo.st_size, 'bytes.')
    return filepath


def _read32(bytestream):
    dt = numpy.dtype(numpy.uint32).newbyteorder('>')
    return numpy.frombuffer(bytestream.read(4), dtype=dt)[0]


# 将图像提取到一个4维uint8类型的numpy数组[index, y, x, depth]
def extract_images(filename):
    print('Extracting', filename)
    with gzip.open(filename) as bytestream:
        magic = _read32(bytestream)
        if magic != 2051:
            raise ValueError('Invalid magic number %d in MNIST image file: %s' % (magic, filename))
        num_images = _read32(bytestream)
        rows = _read32(bytestream)
        cols = _read32(bytestream)
        buf = bytestream.read(rows * cols * num_images)
        data = numpy.frombuffer(buf, dtype=numpy.uint8)
        data = data.