Tensorflow实现用循环神经网络中的LSTM分类手写数字MNIST数据集

最新推荐文章于 2021-04-12 09:46:49 发布

Microstrong0305

最新推荐文章于 2021-04-12 09:46:49 发布

阅读量1.4k

点赞数 1

分类专栏：深度学习 TensorFlow学习笔记文章标签：神经网络深度学习 Tensorflow RNN LSTM

本文链接：https://blog.youkuaiyun.com/program_developer/article/details/80872883

版权

本文介绍了如何利用Tensorflow实现循环神经网络LSTM对MNIST手写数字数据集进行分类。通过从图像的每一行像素输入，RNN最终能够进行准确的判断。文章包含RNN结构图、训练与测试结果，并提供了完整代码供参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

“微信公众号”

这次我们用RNN来进行分类的训练，我们使用的数据集是手写数字MNIST数据集。让RNN从每张图片的第一行像素读到最后一行，然后再进行分类判断。

（1）我们构建的RNN结构图。

（2）最后的训练结果：

（3）最后的测试结果：

（4）完整的代码。

# coding:utf-8
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
tf.set_random_seed(1) # set random

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Microstrong0305

关注关注

1
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

LSTM应用于MNIST数据集分类(与CNN做对比)

冲出仁川，走出马德里，故事还会再继续

07-02

2279

LSTM网络是序列模型，一般比较适合处理序列问题。这里把它用于手写数字图片的分类，其实就相当于把图片看作序列。一张MNIST数据集的图片是28×2828\times 2828×28的大小，我们可以把每一行看作是一个序列输入，那么一张图片就是28行，序列长度为28；每一行有28个数据，每个序列输入28个值。这里我们可以将LSTM和CNN的代码结果进行对比。 2.1 载入数据集 2.2 创建模型 2.3 定义优化器 2.4 编译模型 2.5 训练模型 2.6 打印模型摘要 L

LSTM 循环神经网络实践（基于Mnist数据集）

SpringQAQ的博客

08-06

902

import torch from torch import nn import torchvision.datasets as dsets import torch.utils.data as Data import torchvision.transforms as transforms import matplotlib.pyplot as plt import numpy as np ...

参与评论您还未登录，请先登录后发表或查看评论

用循环网络实现手写数字识别（MNIST）

weixin_42272768的博客

06-04

889

循环神经网络也可以实现手写数字的识别。本文是在python3 28.keras使用循环神经网络(SimpleRNN)对MNIST数据集进行分类学习笔记一文的基础上进行的改进。主要的改进是去掉了独热编码，loss函数使用mse。输出层使用1个神经元，激活函数是relu。与原方法的比较，迭代3次就可以达到97%的准确率。 import tensorflow as tf import numpy as np from tensorflow import keras import os os.enviro

TensorFlow之循环神经网络(RNN)实现MNIST数据集分类

thisiszdy的博客

12-03

834

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist=input_data.read_data_sets('MNIST_data',one_hot=True) #输入图片是28*28 n_inputs=28 #输入一行，一行有28个数据 max_time=2...

python3 28.keras使用循环神经网络(SimpleRNN)对MNIST数据集进行分类学习笔记

112

03-21

3481

文章目录前言一、循环神经网络RNN简介二、使用SimpleRNN识别MNIST手写数字前言计算机视觉系列之学习笔记主要是本人进行学习人工智能（计算机视觉方向）的代码整理。本系列所有代码是用python3编写，在平台Anaconda中运行实现，在使用代码时，默认你已经安装相关的python库，这方面不做多余的说明。本系列所涉及的所有代码和资料可在...

TensorFlow下用循环神经网络完成MNIST任务

Yee的博客

08-07

1037

This is my first ML project. 手写数字识别（注：NN）一、准备工作 1.收集数据 1）可以手动下载数据在http://yann.lecun.com/exdb/mnist/ 2)当然代码也会自己下载数据集 （注：国内小伙伴最好手动下载） 2.选择语言以及第三方库 python TensorFlow 3.选择学习方法...

Tensorflow-RNN循环网络-手写数字识别(MNIST数据集)

qq_37491711的博客

09-04

351

#RNN卷积神经网络-手写数字识别--MNIST数据集 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据 mnist = input_data.read_data_sets('C:/Users/lenovo/Desktop/TF/MNIST_data',one_hot...

tensorflow学习笔记（八）：LSTM手写体(MNIST)识别

ch18328071580的博客

08-06

1639

本文简单讲解了LSTM网络，然后针对MNIST数据集，讲解了LSTM进行数据集分类常用到的函数，最后给出了实战代码。

Tensorflow学习：循环（递归/记忆）神经网络RNN（手写数字识别：MNIST数据集分类）

cui1004的博客

08-05

397

Tensorflow学习：循环（递归/记忆）神经网络RNN（手写数字识别：MNIST数据集分类） import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 载入数据集 mnist = input_data.read_data_sets("MNST_data", one_hot=True) # 输入图片是28*28像素 n_inputs = 28 # 输入一行，一行有28个数据(输入层有28个

用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识

04-12

425

用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识 循环神经网络RNN相比传统的神经网络在处理序列化数据时更有优势，因为RNN能够将加入上（下）文信息进行考虑。一个简单的RNN如下图所示：将这个循环展开得到下图：上一时刻的状态会传递到下一时刻。这种链式特性决定了RNN能够很好的处理序列化的数据，RNN 在语音识别，语言建模，翻译，图片描述等问题上已经取得了很...

循环神经网络RNN实现手写数字识别

01-20

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_sets('mnist_data/',one_hot=True) #注意这里用了one_hot表示，标签的形状是(batch_size,num_batches)，类型是float，如果不用one_hot，那么标签的形状是(batch_size,)，类型是int num_classes=10 batch_size=64 hidden_dim1=32 hidden_dim2=64

lstm实现mnist手写数字识别代码

07-25

参考网上写的、使用tensorflow的lstm实现mnist手写数字识别代码，

深度学习框架TensorFlow学习与应用（七）——循环神经网络（RNN）应用于MNIST数据集分类

JluTiger316的博客

01-06

1425

关于RNN的介绍可以参考：RNN介绍下面将RNN用于前文所提到的MNIST手写数字识别中。 1.获取数据集 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("D:\BaiDu\MNIST_data",one

Tensorflow实现MNIST手写数字识别

TensorFlowNews

05-08

2005

之前我们讲了神经网络的起源、单层神经网络、多层神经网络的搭建过程、搭建时要注意到的具体问题、以及解决这些问题的具体方法。本文将通过一个经典的案例：MNIST手写数字识别，以代码的形式来为大家梳理一遍神经网络的整个过程。一、MNIST手写数字数据集介绍 MNIST手写数字数据集来源于是美国国家标准与技术研究所，是著名的公开数据集之一，通常这个数据集都会被作为深度学习的入门案例。数据集中的数字...

python 循环神经网络RNN实例——手写数字识别

u014556057的专栏

12-21

2002

数据集官网：http://yann.lecun.com/exdb/mnist/ 参考：https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/402_RNN_classifier.py 代码包含自动下载数据集 import torch from torch import nn,optim from t...

【深度学习】用LSTM识别手写数字MNIST数据集（tensorflow1.x实现）

东西山海关

04-12

857

网络结构：就是LSTM后面再加一层全连接层。输入输出分析： MNIST数据集详解：点击查看MNIST详解 数据集中的手写数字是个（28,28）的灰度像素二维数组。在此可以将其行向量看做是连续的28个时间序列，故代码中TIME_STEP=28，每一行就是LSTM在时间t的输入其输入数据的维度INPUT_SIZE = 28 代码中NUM_UNITS = 128 表示LSTM的输出h_t的维度是128，具体见下图，其中num_units就是输出维度。代码： import tensor

LSTM应用于MNIST手写字数据集

qq_44479403的博客

04-15

222

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data', one_hot=True) n_input = 28 max_time = 28 lstm_size = 100 n_classes ...

PyTorch基础-使用LSTM神经网络实现手写数据集识别-08

gemoumou的python学习实记

02-12

487

import numpy as np import torch from torch import nn,optim from torch.autograd import Variable from torchvision import datasets,transforms from torch.utils.data import DataLoader # 训练集 train_data = datasets.MNIST(root="./", # 存放位置

TensorFlow技术解析与实战学习笔记（15）-----MNIST识别（LSTM）

weixin_33932129的博客

12-05

216

一、任务：采用基本的LSTM识别MNIST图片，将其分类成10个数字。为了使用RNN来分类图片，将每张图片的行看成一个像素序列，因为MNIST图片的大小是28*28像素，所以我们把每一个图像样本看成一行行的序列。因此，共有（28个元素的序列）×（28行），然后每一步输入的序列长度是28，输入的步数是28步。二、LSTM模型：输入：x(t-1)的大小为一个28维的...