基于LSTM实现mnist手写数字识别

最新推荐文章于 2023-02-13 16:35:19 发布

原创

最新推荐文章于 2023-02-13 16:35:19 发布 · 2.6k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#图像分类 #RNN

本文介绍了如何利用LSTM模型对mnist手写数字数据集进行图像分类。通过读取28*28像素的图像，设置LSTM网络结构，其中输入到隐藏层有28*128个参数，隐藏层到输出层有128*10个参数。LSTM结构被设计为每个图像行作为一次输入，训练过程中循环28次。最终采用特定的优化算法和损失函数进行模型训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先读取数据，数据源是mnist库，可以通过input_data中read_data函数直接读取数据，数据图像为28*28。

#导入库
import tensorflow as tf
#下载数据对应的库
import input_data
import numpy as np
import matplotlib.pyplot as plt
print ("Packages imported")

#导入mnist数据
mnist = input_data.read_data_sets("data/", one_hot=True)#one_hot=True 表示 数据的标签是one_hot编码的，即数据标签为1*10的数组
#读取训练数据，训练标签，测试数据，测试标签
trainimgs, trainlabels, testimgs, testlabels \
 = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labels 
#获取训练数据个数，测试集数据个数，图像维度和类别数
ntrain, ntest, dim, nclasses \
 = trainimgs.shape[0], testimgs.shape[0], trainimgs.shape[1], trainlabels.shape[1]
print ("MNIST loaded")

读取数据后设置参数。本次使用LSTM作为训练模型，因此需要搭建LSTM，因图像为28*28，所以将每一行图像作为一次输入，这样每一次训练，LSTM需要运算28次，设置隐层为128，所以从输入到隐层的全连接参数为28*128个，经过运算后输出与隐层全连接参数为128*10，每运行一次的输出为1*10.

LSTM结构如图:

搭建了28个lstm，每一个lstm公用参数，因此也可以看做搭建了一个lstm循环了28次，只有最终的结果有作用。