使用RNN神经网络的LSTM网络进行mnist的图像分类

  • 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
  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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