卷积神经网络训练过程中的training step的含义_TensorFlow2.0代码实战专栏（五）:神经网络示例...

作者 |  Aymeric Damien

编辑 | 奇予纪

出品 | 磐创AI团队

原项目 |  https://github.com/aymericdamien/TensorFlow-Examples/

  AI学习路线之TensorFlow篇

神经网络示例

使用TensorFlow v2构建一个两层隐藏层完全连接的神经网络(多层感知器)。 这个例子使用低级方法来更好地理解构建神经网络和训练过程背后的所有机制。

神经网络概述：

MNIST数据集概述：

此示例使用手写数字的MNIST数据集。 该数据集包含60,000个用于训练的示例和10,000个用于测试的示例。 这些数字已经过尺寸标准化并位于图像中心，图像是固定大小(28x28像素)，值为0到255。 在此示例中，每个图像将转换为float32并归一化为[0,1]，并展平为784个特征的一维数组(28 * 28)

更多信息请查看链接: http://yann.lecun.com/exdb/mnist/

from __future__ import absolute_import, division, print_function

import tensorflow as tf
from tensorflow.keras import Model, layers
import numpy as np

# MNIST 数据集参数
num_classes = 10 # 所有类别(数字 0-9)
num_features = 784 # 数据特征数目 (图像形状: 28*28)

# 训练参