tensorflow实现lenet5

本文介绍了如何使用 TensorFlow 实现经典的 LeNet-5 卷积神经网络,该网络最初用于识别手写数字,曾广泛应用于银行支票的自动识别。

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

lenet5一种典型的用来识别数字的卷积网络。当年美国大多数银行就是用它来识别支票上面的手写数字的。能够达到这种商用的地步

示意图:



代码:

# encoding:utf-8

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

import tensorflow as tf
import os 
#终端执行程序时设置使用的GPU
os.environ["CUDA_VISIBLE_DEVICES"] = "3"

#数据准备
import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot = True)

#超参数设置
learning_rate = 0.001
training_iters = 200000
batch_size = 64
display_step = 20

#定义参数设置
n_input = 784 #输入的维度
n_classes = 10 #标签的维度

#输入数据:占位符
input_x = tf.placeholder(tf.float32, [None, n_input])
input_y = tf.placeholder(tf.float32, [None, n_classes])
keep_prob = tf.placeholder(tf.float32)

#卷积操作
#tf.nn.bias_add是tf.nn.add的特例,要求列数必须相同
def conv2d(name, l_input, w, b):
	return tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(l_input, w, strides = [1, 1, 1, 1], padding = 'VALID'
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