Tensorflow初探之MNIST数据集学习

VampireWeekend

于 2018-04-23 16:37:17 发布

阅读量2.6w

点赞数 6

分类专栏： Python

本文链接：https://blog.csdn.net/sinat_35406909/article/details/80052227

版权

本文介绍了使用TensorFlow进行MNIST数据集的学习，通过最小梯度法训练，实现手写数字识别，训练后准确率达到91.49%。内容包括数据导入、模型训练和交叉熵损失函数的解释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

官方文档传送门

MNIST数据集是手写数字0~9的数据集，一般被用作机器学习领域的测试，相当于HelloWorld级别。

本程序先从网上导入数据，再利用最小梯度法进行训练使得样本交叉熵最小，最后给出训练之后程序的准确率。

交叉熵的定义：

y 是我们预测的概率分布, y' 是实际的分布。

该指标用来衡量学习结果与实际情况的差距。

import tensorflow.examples.tutorials.mnist.input_data as input_data
import tensorflow as tf
#initialize
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.soft

最低0.47元/天解锁文章