TensorFlow多层感知机实现MINIST分类

最新推荐文章于 2022-04-12 23:48:41 发布

gldbys

最新推荐文章于 2022-04-12 23:48:41 发布

阅读量525

点赞数

分类专栏：机器学习文章标签： tensorflow 深度学习神经网络算法

本文链接：https://blog.youkuaiyun.com/gldbys/article/details/109383976

版权

本文详细介绍了如何利用TensorFlow构建一个多层感知机模型，应用于经典的MINIST手写数字识别任务。通过深度学习和神经网络的理论，阐述了模型训练过程及关键参数设置，展示了算法在数据集上的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
import tensorflow.contrib.layers as layers
from tensorflow.python import  debug as tf_debug

#1:网络参数
n_hidden = 30  #隐藏层的神经元数
n_classes = 10 #mnist类别（0-9）
n_input = 784  #mnist尺寸（28*28）
#2:超参数
batch_size = 200 #每批训练批量大小
eta = 0.001      # 学习率
max_epoch = 10   #迭代数

#3:加载mnist数据集
from tensorflow.examples.tutorials.mnist import  input_data
mnist = input_data.read_data_sets('MNIST_data/',one_hot=True)
#全连接层，与输入相乘产生隐藏单元的张量
#隐藏层使用ReLU激活函数
def multilaye