tensorflow入门栗子：mnist的AlexNet实现

最新推荐文章于 2020-11-26 22:53:58 发布

原创

最新推荐文章于 2020-11-26 22:53:58 发布 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow

这篇博客介绍了如何使用TensorFlow 1.3 CPU版本实现MNIST数据集上的AlexNet模型。参考了《TensorFlow技术解释与实战》一书，作者在4核8GB内存的CPU环境下运行该模型大约需要30分钟，而在NVIDIA QUADRO K620 GPU（2GB显存）上则仅需5分钟，最终得到的准确率为0.964。

本文参考《TensorFlow技术解释与实战》一书，感谢李嘉璇大佬对社区的贡献

python版本3.5

tensorflow版本1.3 CPU版本

#coding=utf-8
from __future__ import print_function

from tensorflow.examples.tutorials.mnist import input_data
print("开始下载mnist数据集")
mnist = input_data.read_data_sets("E:\pycharm\work/MNIST_data", one_hot=True)
print("mnist数据集下载成功")
import tensorflow as tf
# 定义网络超参数
learning_rate = 0.001
training_iters = 200000
batch_size = 64
display_step = 20

# 定义网络参数
n_input = 784 # 输入的维度 28 * 28
n_classes = 10 # 标签的维度 0-9
dropout = 0.8 # Dropout 的概率，输出的可能性

# 占位符输入
x = tf.placeholder(tf.float32, [None, n_input])
y = tf.placeholder(tf.float32, [None, n_classes])
keep_prob = tf.placeholder(tf.float32)
'''
构建网络模型
接下来定义AlexNet需要用到的卷积，池化和规范操作
'''
# 卷积操作
def conv2d(name, l_input, w, b):
    return tf.nn.relu(tf.nn.bias_add(t

最低0.47元/天解锁文章