TensorFlow入门-MNIST & CNN

最新推荐文章于 2024-08-08 16:44:55 发布

Deephome

最新推荐文章于 2024-08-08 16:44:55 发布

阅读量8.4k

点赞数 2

分类专栏：深度学习 TensorFlow

本文链接：https://blog.csdn.net/muyiyushan/article/details/61201380

版权

本文介绍了使用TensorFlow实现CNN识别MNIST手写数字的过程，探讨了训练过程中遇到的内存溢出问题及解决方案，并通过调整训练周期数观察对模型精度的影响。最终，在测试集上达到了98.95%的精度。

摘要由CSDN通过智能技术生成

参考TensorFLow官方教程Deep MNIST for Experts实现用CNN识别手写数字，数据集MNIST。

# load MNIST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("Mnist_data/", one_hot=True)

# start tensorflow interactiveSession
import tensorflow as tf
sess = tf.InteractiveSession()

# weight initialization
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)

def bias_variable(shape):
    initial = tf.constant(0.1, shape = shape)
    return tf.Variable(initial)

# convolution
def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
# pooling
def max_pool_2x2(x):