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
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
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