目录
整理不易,有条件的点个关注、点个赞呗!感恩各位大哥!
tensorflow简单介绍
tensor采用图运算的方式搭建并训练深度学习网络,该部分使用的库包版本为tensorflow==1.14.0
代码拆分(每个代码块可以放到一个jupyter的cell里)
导入tensorflow及相关包
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
加载数据、定义批次
# 载入数据集
mnist = input_data.read_data_sets("MNIST_data",one_hot = True)
# 每个批次的大小
batch_size = 100
# 计算一共有多少个批次
n_batch = mnist.train.num_examples // batch_size
定义网络结构
# 定义两个placeholder
x = tf.placeholder(tf.float32,[None,784])
y = tf.placeholder(tf.float32,[None,10])
keep_prob = tf.placeholder(tf.float32)
# 定义初始学习率变量,用于动态控制学习率
lr = tf.Variable(0.001,dtype=tf.float32)
# 创建一个简单的神经网络
W1 = tf.Variable(tf.truncated_normal([784,500],stddev=0.1))
b1 = tf.Variable(tf.zeros([500])+0.1)
L1 = tf.nn.tanh(tf.matmul(x,W1)+b1)
L1_drop = tf.nn.dropout(L1,keep_prob)
W2 = tf.Variable(tf.truncated_normal([500,300],stddev=0.1))
b2 = tf.Variable(tf.zeros([300])+0.1)
L2 = tf.nn.tanh(tf.matmul(L1_drop,W2)+b2)
L2_drop = tf.nn.dropout(L2,keep_prob)
W3 = tf.