深度学习一、MNIST机器学习入门

35 篇文章 443 订阅 ¥9.90 ¥99.00
本文从认识MNIST数据集开始,通过tensorflow实现数据加载,并利用两层卷积神经网络提高图像分类的准确率,目标达到99%。详细介绍了卷积神经网络的构建和优化过程。
摘要由CSDN通过智能技术生成

一、认识MNIST数据集

下载数据集,tensorflow中封装了MNIST数据集:

#导入(下载)MNIST数据集
import tensorflow as tf
#从tensorflow模块导入input_data
from tensorflow.examples.tutorials.mnist import input_data
#从MNIST_data中读取MNIST数据,这条语句在数据不存在时会自动下载
mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)

原始的MNIST数据库一共包含下面4个文件:

  • t10k-images-idx3-ubyte.gz(训练图像数据一共60000张)
  • t10k-labels-idx1-ubyte.gz(训练图像的标签)
  • train-images-idx3-ubyte.gz(测试图像数据一共10000张)
  • train-labels-idx1-ubyte.gz(测试图像的标签)

打印几张图片出来看看:

import numpy as np
import matplo
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

打赏作者

东城青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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