TensorFlow实战笔记之(1):Softmax Regression 实现手写数字识别

基于MNIST数据集的手写数字识别可以看作是机器学习领域的 “Hello World” 任务。

MNIST是一个入门级的计算机视觉数据集,它包含各种手写数字图片及对应的标签,图片的大小为28×28,且只包含灰度值信息:

TensorFlow的一些入门知识主要参考了黄文坚所著的那本《TensorFlow实战》以及TensorFlow中文社区,里面已经将的非常详细了,所以就不再赘述。

Softmax Regression 是一个基本的多分类模型,我们用它对手写数字进行分类。当单纯地只使用Softmax Regression时,可以看作是一个没有隐含层的最浅的神经网络。

使用TensorFlow进行Softmax Regression分类的流程为:

  1. 定义算法公式,也就是神经网络forward时的计算。
  2. 定义loss,选定优化器,并指定优化器优化loss。
  3. 迭代地对数据进行训练。
  4. 在测试集或验证集上对准确率进行评测。

程序运行版本为:python-->3.7.3,tensorflow-->1.13.1

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# move warning
import os
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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