数据的导入
函数read_data_sets(“数据地址”)
导入后的数据函数自动分成了train,validation,test三个对象
#可以通过下面的方式查看大小
print (data.train.num_examples)
print (data.validation.num_examples)
print (data.test.num_examples)
导入后的3个对象可以使用API,next_batch(size)获得下一组数据, 其中size是下一组的大小。
x_cur,y_cur = data.train.next_batch(100)
利用神经元网络对MNIST进行识别
一个神经元网络,由于其复杂程度,存在了好多优化的可能性,因此,在下面的代码中,我也会首先构造一个最基本的神经元网络,然后,从多个方面对其进行优化。
- 损失函数的定义
- 隐藏层数和隐藏层节点个数
- 学习率
- 优化算法
- 正则化
最基础版本
import input_data
import tensorflow as tf
batch_size = 100
hidden1_nodes = 200
# 输入节点
x = tf.placeholder(tf.float32,shape=(None,784))
y = tf.placeholder(tf.float32,shape&