神经网络之多层感知机MLP的实现（Python+TensorFlow）

最新推荐文章于 2024-12-04 09:49:00 发布

原创

最新推荐文章于 2024-12-04 09:49:00 发布 · 3.9k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #MLP #神经网络

本文介绍了使用Python和TensorFlow库实现多层感知机（MLP）的方法，通过具体示例展示了如何运用MLP对MNIST数据集进行手写数字识别。

用 MLP 实现简单的MNIST数据集识别。

# -*- coding:utf-8 -*-
#
# MLP

"""
MNIST classifier, 多层感知机实现
"""

# Import data
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)

sess = tf.InteractiveSession()


# Create the model, 只有一层隐藏层
in_units = 784
h1_units = 300
W1 = tf.Variable(tf.truncated_normal([in_units, h1_units], stddev=0.1))
b1 = tf.Variable(tf.zeros([h1_units]))
W2 = tf.Variable(tf.zeros([h1_units, 10]))
b2 = tf.Variable(tf.zeros([10]))

x = tf.placeholder(tf.float32, [None, in_units])
keep_prob = tf.placeholder(tf.float32)

hidden1 = tf.nn.relu(tf.matmul(x, W1) + b1)
hidden1_drop = tf.nn.dropout(hidden1, keep_prob)
y = tf.nn.softmax(tf.matmul(hidden1_drop, W2) + b2)


# Define loss and optimizer
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy