Tensorflow实现逻辑回归模型（Mnist数据集）

最新推荐文章于 2024-08-08 16:44:55 发布

despacito,

最新推荐文章于 2024-08-08 16:44:55 发布

阅读量1k

点赞数

分类专栏：深度学习图像处理

本文链接：https://blog.csdn.net/qq_40108803/article/details/83025541

版权

本文介绍了MNIST手写数字数据库，详细阐述了softmax函数在多分类问题中的应用，并通过Tensorflow实现了逻辑回归模型。内容涵盖数据集获取、Tensorflow基本语法以及模型代码实现。

摘要由CSDN通过智能技术生成

共三部分：

1.Mnist数据集的介绍与获取

2.softmax函数及Tensorflow基本语法

3.代码实现

一.Mnist数据集的介绍

简介：手写数字数据库，它有60000个训练样本集和10000个测试样本集

官网：http://yann.lecun.com/exdb/mnist/

外观：

Image部分：手写体的图片

label部分：图片代表着哪个数字

from tensorflow.examples.tutorials.mnist import input_data
# one_hot : 独热编码，也叫一位有效编码。在任意时候只有一位为1，其他位为0
mnist = input_data.read_data_sets("data/",one_hot = True)

train_images = mnist.train.images
train_labels = mnist.train.labels
test_images = mnist.test.images
test_labels = mnist.test.labels

print("train_images_shape:",train_images.shape)
print("train_labels_shape:",train_labels.shape)
print("test_images_sh