深度学习tensorflow之softmax（三）手写数字识别四层隐层底层实现

最新推荐文章于 2022-09-06 21:42:22 发布

繁华三千东流水

最新推荐文章于 2022-09-06 21:42:22 发布

阅读量378

点赞数

分类专栏：深度学习项目练习文章标签：深度学习 tensorflow 手写数字识别

本文链接：https://blog.csdn.net/qq872890060/article/details/100531949

版权

神经网络结构

x(m*784) - w1(784*512) - a1(m*512) - w2(512*256) - a2(m*256) - w3(256*128) - a3(m * 128) -w4(128 * 128) - a4(m * 128) -w5(128*10) -y(m*10)

代码

'''
	这样手写对实际工作并无太大影响，其主要目的是练习网络构建思路及测试链式求导的掌握程度
'''
import tensorflow as tf
import random
from matplotlib import pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data

# 随机种子
tf.set_random_seed(1)
# 读取数据
mnist = input_data.read_data_sets(r'MNIST_data',one_hot=True)

# 占位符
X = tf.placeholder(tf.float32,shape=[None,784])
Y = tf.placeholder(tf.float32,shape=[None,10])

# 模型
# 参数初始化
W1 = tf.Variable(tf.random_normal([784,512]),name='W1')
b1 = tf.Variable(tf.random_normal([512]),name='b1')

W2 = tf.Variable(tf.random_normal([512,256]),name='W2')
b2 = tf.Variable(tf.random_normal([256]),name='b2')

W3 = tf.Variable(tf.random_normal([256,128]),name='W3')
b3 = tf.Variable(tf.random_normal([128]),name='b3')

W4 = tf.Variable(tf