MNIST数据集两层神经网络分类

最新推荐文章于 2024-08-31 11:43:10 发布

偷影子的人儿

最新推荐文章于 2024-08-31 11:43:10 发布

阅读量1k

点赞数 1

分类专栏： TensorFlow学习 pyhon学习计算机视觉文章标签：神经网络入门 MNIST 手写数据集 TensorFlow

本文链接：https://blog.csdn.net/zhichi_yan/article/details/86743479

版权

本文介绍了使用MNIST数据集构建两层神经网络的过程，并探讨了如何通过Dropout技术在训练过程中随机移除部分连接来防止过拟合，以提高模型泛化能力。

摘要由CSDN通过智能技术生成

MNIST数据集两层神经网络分类

>>> import tensorflow as tf
>>> from tensorflow.examples.tutorials.mnist import input_data
>>> mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)
//导入数据集到对象mnist

>>> x=tf.placeholder(tf.float32,[None,784])//训练图像的占位符
>>> y_=tf.placeholder(tf.float32,[None,10])//训练标签的占位符
>>> x_image=tf.reshape(x,[-1,28,28,1])
//将单张图片从784维转出28*28矩阵图片

>>> def weight_variable(shape):
	initial=tf.truncated_normal(shape,stddev=0.1)
	return tf.Variable(initial)
//创建卷积核，
>>> def bias_variable(shape):
	initial=tf.constant(0.1,shape=shape)
	return tf.Variable(initial)
//创建偏置项
>>> def conv2d(x,W):
	return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding='SAME')
//卷积计算
>>> def max_pool_2x2(x):
	return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=