使用mnist数据集通过tenserflow进行classification分类学习

已于 2022-03-12 21:07:55 修改
阅读量407 收藏
点赞数
文章标签： tensorflow 人工智能 python
于 2022-03-12 20:54:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38766019/article/details/123449879
版权

**使用mnist数据集通过tenserflow进行classification分类学习**

在jupyter上出现如下问题

在这里插入图片描述第3行from tensorflow.examples.tutorials.mnist import input_data
出错了
在这里插入图片描述
此时，我们点击from，然后shift+tab+tab查看路径，出现说明文档，根据红色框中的路径查找该文件夹
在这里插入图片描述
可见在该文件夹下丢失tutorials包，点击链接下载这个包，解压后把它放进examples文件夹就可以了。
tutorials包
在这里插入图片描述

这样重新运行就没错了。
[1]: https://www.freesion.com/article/4454387337/

qq_38766019
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
tensorflow 简单实现MNIST数据集分类 Jupyter Notebook
ziqingnian的博客
08-29 2464
首先需要先完成tensorflow的安装  直接送上前辈已经写好的链接  tensorflow安装步骤奉上链接 https://blog.csdn.net/lxy_2011/article/details/79181990  我也是一名小白 所以在学长的建议下使用了 Jupyter Notebook 编辑代码，它很容易上手用起来非常方便，是个对新手非常友好的工具。同样直接送上关于 Jupyter...
【tensorflow入门】12、分类学习classification--使用MNIST数据集
PrincessLin的专栏
06-03 350
完整代码在下方。 一、介绍： 分类入门，使用全连接神经网络，仅有输入层和输出层，准确率暂时仅86%左右。 后续文章会推出更高准确率的方法： 包括但不限于 全连接方法的优化、使用卷积神经网络等。 二、思路： 之前的代码都是解决回归问题的，从本文开始研究分类问题。回归是得到一个具体的数，分类是得到多个概率。 导入MNIST数据，输入的数据为28*28像素的小图片，输出为0-9这10...
tensorflow学习笔记之使用tensorflow进行MNIST分类（1）
IEEE_FELLOW的博客
11-02 2117
版权声明：本文为博主原创文章，未经博主允许不得转载 最近在学习tensorflow，欢迎大家一起探讨学习
TensorFlow学习笔记（十四）TensorFLow 用mnist数据做classification
春华秋实
08-05 1119
之前的例子，给的都是tf来做regression，也就是回归问题，现在用tf来做一个classification的处理，也就是分类问题。 这里用的数据集是mnist数据。 代码：   """ Please note, this code is only for python 3+. If you are using python 2+, please modify the code
tensorflow serving+docker部署mnist模型以及gRPC调用
u012433049的博客
06-29 1770
在上一篇博客中，我在自己的服务器上通过docker安装了tensorflow serving的GPU镜像环境，然后通过tensorflow serving源码中的简单的数值相加的模型进行了一个测试，docker tensoflow serving环境安装成功。接下来，可以使用tensorflow serving来部署mnist模型以及调用。 第一步：训练mnist并保存模型 使...
Tensorflow学习日志5---Classification分类学习
taiyuezyh的博客
10-13 93
本文参考资料-----【莫烦Python】 系列教程。
TensotFlow 应用实例：09-classification 分类器
iTaacy的博客
07-30 566
TensotFlow 应用实例：09-classification 分类器 本文是我在学习TensotFlow 的时候所记录的笔记，共享出来希望能够帮助一些需要的人。 classification 是一个分类器，用来解决分类的问题 在之前的例子中都是一些线性回归的问题，或者非线性数据，输入输出就是一(组)对一(组)的数值，之前的都是一些连续的数据，输出同样是一组连续的数据classificat
Tensorflow实现AlexNet卷积神经网络——Fashion-MNIST数据集分类
qq_24819773的博客
03-11 3959
论文地址：http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf Fashion-MNIST数据集下载：https://github.com/zalandoresearch/fashion-mnist/tree/master/data/fashion ...
Fashion-MNIST-dataset-classification:使用tensorflow进行时尚mnist数据集分类
03-18
时尚MNIST数据集分类 1.使用streamlit GUI进行时尚数据集分类，该机器学习强大的库以获取关于streamlit.io的更多信息 单击链接以打开项目 2.读取所需的库文件 3.cnn_model用于抽搐神经网络 4. seq_model用于顺序...
mnist-number-classification:mnist手写数字的简单分类
04-28
mnist数分类 这是使用手写数字的训练的卷积神经网络模型，该模型的实现是为了支持演示应用程序。 工具 该模型 该模型以70个纪元进行了训练，批次大小为512。实现了0.984400的验证准确度和0.9861225328947368的...
Tensorflow 训练自己的数据集将数据直接导入到内存
01-21
为了向伟大的MNIST致敬，我们采用的数据名称格式和MNIST类似 classification_index.jpg 图像的index都是5的整数倍是因为我们选择测试集的原则是每5个样本，选择一个样本作为测试集，其余的作为训练集和验证集 生成...
Handwriting_Digits_Classification：使用Tensorflow和keras进行手写数字分类，训练数据集的准确性为99％，测试数据集的准确性为91％
02-18
项目标题“Handwriting_Digits_Classification”表明我们的任务是识别手写数字，这是一个经典的计算机视觉问题，通常使用MNIST数据集作为训练和测试的数据来源。MNIST数据集包含了60,000个训练样本和10,000个测试...
MNIST-Image-Classification:MNIST图像分类
03-05
MNIST（“国家标准技术研究院”）是计算机视觉的事实上的“ Hello World”数据集。 自从1999年发布以来，这个经典的手写图像数据集已成为基准分类算法的基础。 随着新的机器学习技术的出现，MNIST仍然是研究人员和...
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
子午的博客
07-13 568
眼疾识别系统，使用Python作为主要编程语言进行开发，基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法，通过对眼疾图片4种数据集进行训练（‘白内障’, ‘糖尿病性视网膜病变’, ‘青光眼’, ‘正常’），最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网页端可视化操作界面，实现用户上传一张眼疾图片识别其名称。
【BUG】已解决：ModuleNotFoundError: No module named ‘tensorflow‘
最新发布
m0_73367097的博客
07-20 509
ModuleNotFoundError: No module named ‘tensorflow‘
使用Windows Linux 子系统安装 Tensorflow，并使用GPU环境
DengCaixiang2021的博客
07-17 880
配置平台，根据平台选择，安装方式提供了三种：1、下载deb文件配置本地环境安装；2、通过网络加载deb文件安装；3、通过配置文件安装；上官网下载对应版本：https://developer.nvidia.com/rdp/cudnn-archive，下压缩包。使用 nvidia-smi 命令查看GPU信息，查看支持的CUDA版本，这里最高支持11.7。将对应的文件包解压后，将文件拷贝到对音乐目录。至此gpu NN开发环境就构建好了。设置默认不启动base环境。，现在对应版本，点击。安装Anaconda。
昇思25天学习打卡营第14天|LLM-文本解码原理--以MindNLP为例
wwt72的博客
07-17 719
限制输出序列的最大长度为50个token。top-p=0.95，top-p采样表示在每一步生成token时，只从概率分布中累计概率达到95%的token中进行采样，有助于保持生成文本的流畅性和质量，同时允许一些低概率的token被选中，从而增加多样性。表示禁用了top-k采样，因为在top-k采样中，通常是从概率最高的k个token中随机选择一个token作为下一个输出，而这里设置为0表示不限制token的选择，实际上这将等同于使用 softmax 概率分布直接进行采样。这有助于提高生成文本的多样性。
卷积神经网络学习问题总结
weixin_61681867的博客
07-17 484
均方误差函数（MSE）适用于回归任务，如预测房价、预测股票价格等。
使用Matlab对MNIST数据集进行分类的完整代码
07-13
下面是使用MATLAB对MNIST数据集进行分类的完整代码示例： ```matlab % 加载MNIST数据集 load mnist_dataset.mat % 将图像数据转换为矩阵形式 train_images = reshape(train_images, 28, 28, 1, []); test_images = reshape(test_images, 28, 28, 1, []); % 将标签转换为独热编码形式 train_labels = categorical(train_labels); test_labels = categorical(test_labels); % 构建卷积神经网络模型 layers = [ imageInputLayer([28 28 1]) convolution2dLayer(5, 20) reluLayer() maxPooling2dLayer(2, 'Stride', 2) fullyConnectedLayer(10) softmaxLayer() classificationLayer() ]; % 设置训练选项 options = trainingOptions('adam', ... 'MaxEpochs', 10, ... 'MiniBatchSize', 128, ... 'Plots', 'training-progress'); % 训练模型 net = trainNetwork(train_images, train_labels, layers, options); % 在测试集上评估模型性能 predicted_labels = classify(net, test_images); accuracy = sum(predicted_labels == test_labels) / numel(test_labels); fprintf('准确率：%.2f%%\n', accuracy * 100); ``` 这段代码加载了MNIST数据集，将图像数据转换为合适的矩阵形式，并将标签转换为独热编码。然后，构建了一个简单的卷积神经网络模型，并使用Adam优化算法进行训练。最后，在测试集上评估模型的准确率。 请注意，这段代码假设你已经有了MNIST数据集的.mat文件。如果没有，你可以从MNIST官方网站下载并将其转换为MAT文件，或者使用MATLAB内置的函数来加载MNIST数据集。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

qq_38766019

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

实付元
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