TensorFlow学习笔记(3) MNIST数字识别问题

这篇博客介绍了如何使用TensorFlow解决MNIST手写数字识别问题。首先讲解了MNIST数据集的组成和使用,然后展示了通过训练神经网络进行识别的过程。文章探讨了神经网络结构的重要性,包括激活函数和多隐藏层,并提到了优化方法,如指数衰减学习率、正则化和滑动平均模型。实验表明,正则化对模型性能提升显著。
摘要由CSDN通过智能技术生成

MNIST数据集

MNIST是一个手写体数字识别数据体,作为机器学习的入门样例。这个数据集包含了60000张图片作为训练数据,其中图片的大小为28*28。一般从中划出5000张作为验证数据(validation),另外55000张作为训练数据(train),还有10000张图片作为测试数据(test),且每一张图片都代表了0-9中的一个数字。在TF中专门提供了一个类来处理MNIST数据:

from tensorflow.examples.tutorials.mnist import input_data

#载入MNIST数据集,如果MNIST_data文件夹中无数据,则自动从网上下载
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

print("Training data size:", mnist.train.num_examples)
#Training data size: 55000

print("Validating data size:", mnist.validation.num_examples)
#Validating data size: 5000

print("Testing data size:", mnist.test.num_examples)
#Testing data size: 10000

print("Example training data:", mnist.train.images[0])
#Example training data:[0. 0. 0. 0. 0. ... 0. 0.365 0. ...] 共784项

print("Example training data label:", mnist.t
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值