【Tensorflow】最佳时间样例程序_MNIST数字识别问题

最新推荐文章于 2022-08-21 18:00:28 发布

rainie1003

最新推荐文章于 2022-08-21 18:00:28 发布

阅读量159

点赞数

分类专栏： Tensorflow

本文链接：https://blog.csdn.net/xykimred/article/details/88748259

版权

本文通过mnist_inference.py和mnist_train.py两个程序，详细介绍了使用TensorFlow进行MNIST手写数字识别的训练与评估过程。

摘要由CSDN通过智能技术生成

以下为mnist_inference.py。

import tensorflow as tf
# 定义相关参数
INPUT_NODE = 784
OUTPUT_NODE = 10
LAYER1_NODE = 500
#通过tf.get_variable获取变量
def get_weight_variable(shape,regularizer):
	weights = tf.get_variable("weight",shape,
		initializer=truncated_normal_initilizer(stddev=0.1))
	#add_to_collection函数将新生成变量的L2正则化损失项加入集合
	if regularizer !=  None:
		tf.add_to_collection('losses',regularizer(weights))
	return weights
#定义神经网络的前向传播过程
def inference(input_tensor,regularizer):
	#声明第一层神经网络的变量并完成前向传播过程
	with tf.variable_scope('layer1'):
		weights=get_weight_variable(
			[INPUT_NODE,LAYER1_NODE],regularizer)
		biases=tf.get_variable("biases",[LAYER1_NODE],
			initializer=tf.constant_initializer(0.0))
		layer1 = tf.nn.relu(tf.matmul(input_tensor, weights) + biases)
	#声明第二层
	 with tf.variable_scope('layer2'):
  		weights=get_weight_variable(
   			[LAYER1_NODE, OUTPUT_NODE],regularizer)
  		biases=tf.get_variable("biases",[OUTPUT_NODE],
   			initializer=tf.constant_initializer(0.0))
  		layer2 = tf.matmul(layer1