使用RNN神经网络的LSTM网络进行mnist的图像分类

最新推荐文章于 2023-07-16 16:37:29 发布

繁华三千东流水

最新推荐文章于 2023-07-16 16:37:29 发布

阅读量2.7k

点赞数 1

分类专栏： tensorflow下的深度学习算法思想及实现深度学习项目练习文章标签： RNN LSTM mnist tensorflow

本文链接：https://blog.csdn.net/qq872890060/article/details/101627012

版权

RNN神经网络多用于自然语言处理，但也可以用于简单的图像分类，这里做一个小小的尝试
由于对RNN网络理解不够深刻，只能做一些简单的解释

代码如下

# 导入全连接层函数，也可以使用tf.layers.dense()来完成最终的分类
from tensorflow.contrib.layers import fully_connected
# 导入mnist数据
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

# 这里理解为rnn网络输出数据时候的时刻，一个数据分为28个时刻
n_steps = 28
# 每个时刻有28个特征
n_inputs = 28
# 神经元个数
n_neurons = 150
# 分类的类别，共10类
n_outputs = 10
# 学习率
learning_rate = 0.001

# 读取数据 如果数据存在，直接读取，如果数据不存在，则会自动联网下载数据
mnist = input_data.read_data_sets("MNIST_data")

# 获取测试集数据，转为（-1,28,28）的矩阵格式，用于喂给循环神经网络
X_test = mnist.test.images.reshape((-1, n_steps, n_inputs))
# 获取测试集标签
y_test = mnist.test.labels

# 占位符
X = tf