tensorflow之浅层(输入输出层)神经网络通过softmax分类mnist数据集

本文介绍了使用tensorflow构建一个简单的softmax分类神经网络,以处理MNIST手写数字识别任务。通过加载Tensorflow库,导入MNIST数据集,设置 placeholders,定义weights和biases,实现Softmax Regression算法,设置损失函数和优化器,进行训练并验证模型的准确性。最后,展示了如何通过定义层添加函数来扩展网络。
摘要由CSDN通过智能技术生成

最近开始搭建神经网络,tensorflow是一个由google开发的很方便的深度学习框架,今天我将简要介绍如何使用softmax完成一个简单的分类网络搭建,也是一个tensorflow的入门操作。参看书籍《TensorFlow实战》
1.softmax
对于分类问题,一般采用softmax regression,即使是复杂的网络,如卷积或者循环,如果涉及到分类,在最后一层还是需要加softmax,表示为:
softmax(x)=normalize(exp(x))
判定为某一类的概率为:
softmax (x)i =exp( xi )/ jexp ( xj

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