python实现RNN/LSTM

最新推荐文章于 2024-09-16 16:20:37 发布

qq_25884409

最新推荐文章于 2024-09-16 16:20:37 发布

阅读量799

点赞数

本文链接：https://blog.csdn.net/qq_25884409/article/details/84854412

版权

该博客探讨了如何使用Python中的长短期记忆（LSTM）网络进行手写数字识别，通过实例展示了RNN/LSTM在图像识别任务中的应用。

摘要由CSDN通过智能技术生成

用LSTM实现手写图片的数字识别

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

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

lr = 0.001
training_iters = 100000
batch_size = 128

n_inputs = 28  # 输入的是每一行有28个像素
n_steps = 28  # 一共有28行，图片28x28
n_hidden_units = 128
n_classes = 10  # 10分类

x = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
y = tf.placeholder(tf.float32, [None, n_classes])

weights = {
    'in': tf.Variable(tf.random_normal([n_inputs, n_hidden_units])),
    'out': tf.Variable(tf.random_normal([n_hidden_units, n_classes]))
}

biases = {
    'in': tf.Variable(tf.constant(0.1, shape=[n_hidden_units, ])),
    'out': tf.Variable(tf.constant(0.1, shape=[n_classes, ]))
}


def rnn(x_input, weights_input, biases_input):
    x = tf.reshape(x_input, [-1, n_inputs])
    x_in = tf.matmul(x, weights_input['i