简单神经网络实现Mnist数据集的训练

最新推荐文章于 2022-12-26 19:26:50 发布

唐潇棠

最新推荐文章于 2022-12-26 19:26:50 发布

阅读量1.6k

点赞数

文章标签： Mnist 神经网络深度学习

本文链接：https://blog.csdn.net/qq_42381160/article/details/81626172

版权

本文介绍如何利用神经网络对Mnist数据集进行训练。数据集可以从指定源下载，或者使用作者提供的链接获取。确保数据集与程序在同一目录下，以便于程序直接读取。注意，直接通过Tensorflow获取数据集可能遇到下载问题。

摘要由CSDN通过智能技术生成

import numpy as np
import tensorflow as tf
import matplotlib.pyplot  as plt
from tensorflow.examples.tutorials.mnist import input_data 


# In[37]:


mnist = input_data.read_data_sets('tang/',one_hot= True)


# In[22]:


n_hidden_1=256
n_hidden_2=128
n_input   =784
n_classes =10

x=tf.placeholder("float",[None,n_input])
y=tf.placeholder("float",[None,n_classes])

stddev=0.1
weights={
    'w1':tf.Variable(tf.random_normal([n_input,n_hidden_1],stddev=stddev)),
    'w2':tf.Variable(tf.random_normal([n_hidden_1,n_hidden_2],stddev=stddev)),
    'out':tf.Variable(tf.random_normal([n_hidden_2,n_classes],stddev=stddev))
    
}
biases={
    'b1':tf.Variable(tf.random_normal([n_hidden_1])),
    'b2':tf.Variable(tf.random_normal([n_hidden_2])),
    'out':tf.Variable(tf.random_normal([n_classes]))
}
print("NETWORK READY")


# In[28]:


def m