【tensorflow入门】12、分类学习classification--使用MNIST数据集

本文是TensorFlow分类学习的入门教程,通过全连接神经网络对MNIST数据集进行手写数字识别。目前准确率约为86%,后续将探讨优化方法和卷积神经网络的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

完整代码在下方。

一、介绍:

分类入门,使用全连接神经网络,仅有输入层和输出层,准确率暂时仅86%左右。

后续文章会推出更高准确率的方法:

包括但不限于 全连接方法的优化、使用卷积神经网络等。

二、思路:

之前的代码都是解决回归问题的,从本文开始研究分类问题。回归是得到一个具体的数,分类是得到多个概率。

导入MNIST数据,输入的数据为28*28像素的小图片,输出为0-9这10个数。使用全连接神经网络且仅有输入、输出层。对输入层的x_data训练参数Weights和biases,得到预测的y值,选取预测的y值中最大概率的值(计算机分析出的预测值)和y_data的真实值作比较(y_data已人工标注真实值),统计预测对了的概率并输出。

三、踩雷:

1、MNIST数据集下载报错

解决:自行从网上下载MNIST对应的四个jar包。这里提供我自己的网盘资源:

链接:https://pan.baidu.com/s/16TzvwKEiqtwYdAOmZ6BqQQ 
提取码:j1wi 

 

2、程序成功率没有任何提升,大约10%成功率

解决: 本来0-9共10个数瞎蒙就是10%概率,说明loss自身或者loss的训练有问题。本人是这里掉了符号:

cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys*tf.log(prediction),reduction_indices=[1]))

 

四、入门代码含注释:

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

#number 1 to 10 data  #如果电脑上没有MNIST数据包,会帮你下载下来。
#下次再使用时就直
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