TensorFlow笔记(6) 单神经元分类

这篇博客介绍了如何使用TensorFlow实现单神经元分类,以解决MNIST手写数字识别问题。从数据读取、模型构建、训练到评估和预测,详细讲解了整个流程,并提供了代码链接。

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


1. 单神经元分类问题

每个神经元的计算与逻辑回归做概率估算,一样分为两步
在这里插入图片描述
小圆圈神经元代表了计算的两个步骤:
第一步,计算 z , z=wX+b1
第二步,通过激活函数计算a, a=σ(z)

以MNIST手写数字识别问题为例
MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST)
数据集由来自 250 个不同人手写的数字构成
其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员


2. 数据读取

利用网上的 MNIST 数据集 获取数据集压缩文件(切勿解压):

压缩文件 说明
train-images-idx3-ubyte.gz 6万张28x28大小的训练数字图像
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

打赏作者

氢键H-H

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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