本文介绍了使用Tensorflow进行Mnist数字和验证码识别的实践，包括数据预处理、模型构建（线性+softmax、CNN）以及在多分类和多目标问题中交叉熵函数的应用，如sigmoid_cross_entropy_with_logits、softmax_cross_entropy_with_logits等。在实验中，针对数据集不足、数据格式问题和学习率调整等问题进行了讨论，展示了如何解决这些问题以提高模型准确率。
Mnist数字识别
- data preparation
- 简单线性变换+softmax
- convolutional neural network(cnn)
captcha识别
- data processing
- 简单线性变换+softmax
- convolutional neural network(cnn)
tensorflow中的交叉熵函数
- tf.nn.sigmoid_cross_entropy_with_logits
- tf.nn.softmax_cross_entropy_with_logits
- tf.nn.sparse_softmax_cross_entropy_with_logits
- tf.nn.weighted_cross_entropy_with_logits
Mnist
关于Mnist数字识别在tensorflow 官网有详细的数据下载和线性+softmax、cnn识别的教程。在这里不再赘述。主要记录一下实现过程中的应该注意的几个小问题：
- 数据下载不完整。官网下载Mnist ，数据文件文件大小正确，解压CRC校验错误。应该是网速问题导致的。在这里因为数据不完整折腾了很久，利用一个垃圾解
最低0.47元/天 解锁文章
扫一扫
1331
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
