神经网络模型的建立

最新推荐文章于 2025-05-15 17:25:11 发布

凉秋girl

最新推荐文章于 2025-05-15 17:25:11 发布

阅读量2k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：神经网络函数

本文链接：https://blog.youkuaiyun.com/qq_36124802/article/details/79681828

该博客介绍了如何建立神经网络模型，包括设置输入和输出占位符，定义预测层，选择softmax作为激活函数，并使用交叉熵作为损失函数。通过梯度下降优化器进行训练，并在训练过程中每100次迭代评估一次模型在测试集上的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
import matplotlib.pyplot as plt
import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
#mnist是函数读取出来的数据集并整合成的一个大的结构。具体包括了
#mnist.train.images
#mnist.train.labels
# one_hot为one_hot编码，即独热码，作用是将状态值编码成状态向量，
# 例如，数字状态共有0~9这10种，对于数字7，将它进行one_hot编码后为[0 0 0 0 0 0 0 1 0 0]，这样使得状态对于计算机来说更加明确，
# 对于矩阵操作也更加高效。