1.mnist简介
MNIST数据集是深度学习巨头-卷积网络之父Yann LeCun发布的一个供计算机视觉识别学习使用的手写数据识别的数据集。它包括60000个训练集和10000个测试集,每条数据(或者说每张图片)都是28x28x1类型,即图片的宽度为28,高度为28,通道数为1。且MNIST数据集已经把图片数据转换为标准的列表数据类型,如60000个训练集的数据格式是:[60000, 784],表示有60000条数据,每条数据是784维(28x28=784)。
我把mnist数据集下载至网盘,方便下载
https://pan.baidu.com/s/1MBKxaG-L70jA5FeCYaUCkQ
提取码:kr8z
- t10k-images-idx3-ubyte.gz(测试集数据)
- t10k-labels-idx1-ubyte.gz(测试集标签)
- train-images-idx3-ubyte.gz(训练集数据)
- train-labels-idx1-ubyte.gz(训练集标签)
2.显示MNIST数据分类结构
这个过程中,我们是通过命名空间定义name_scope和参数命名定义实现
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
# 批次大小
batch_size = 64
# 计算每个周期的批次大小
n_batch = mnist.train.num_examples // batch_size
print(n_batch)
with tf.name_scope('input'):
#x是多少行数据,每行数据里面是784维度,x表示的是特征数据
x = tf.placeholder(tf.float32, [