在TensorFlow上利用mnist数据集训练神经网络模型

最新推荐文章于 2022-08-23 20:14:50 发布

ruguowoshiyu

最新推荐文章于 2022-08-23 20:14:50 发布

阅读量378

点赞数

分类专栏： tensorflow TensorFlow实战文章标签： TensorFlow mnist

本文链接：https://blog.csdn.net/ruguowoshiyu/article/details/81974312

版权

import os
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 在tensorflow的log日志等级如下：
# - 0：显示所有日志（默认等级）
# - 1：显示info、warning和error日志
# - 2：显示warning和error信息
# - 3：显示error日志信息
os.environ["TF_CPP_MIN_LOG_LEVEL"] = '2'

# MNIST_data是个.zip压缩文件 保存在跟py文件同样路径下
mnist_set = input_data.read_data_sets('./MNIST_data', one_hot=True)


batch_size = 32  # batch_size 批大小，根据自己的gup内存大小设置
batch_num = mnist_set.train.num_examples // batch_size  # 每批样本数量 // 在python语法中表示整除 向下取整

#  定义两个占位符
x = tf.placeholder(tf.float32,[None,784])
y_data = tf.placeholder(tf.float32,[None,10])

# build a simple network
weight = tf.Variable(initial_value=tf.truncated_normal([784,10]))
bias = tf.Variable(initial_value=tf.zeros([10]))
prediction = tf.nn.softmax(tf.matmul(x,weight) + bias)

# train stage
# loss
loss