TensorFlow学习笔记(3) MNIST数字识别问题

最新推荐文章于 2021-02-21 19:37:33 发布

原创

最新推荐文章于 2021-02-21 19:37:33 发布 · 749 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #TensorFlow #人工智能

这篇博客介绍了如何使用TensorFlow解决MNIST手写数字识别问题。首先讲解了MNIST数据集的组成和使用，然后展示了通过训练神经网络进行识别的过程。文章探讨了神经网络结构的重要性，包括激活函数和多隐藏层，并提到了优化方法，如指数衰减学习率、正则化和滑动平均模型。实验表明，正则化对模型性能提升显著。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MNIST数据集

MNIST是一个手写体数字识别数据体，作为机器学习的入门样例。这个数据集包含了60000张图片作为训练数据，其中图片的大小为28*28。一般从中划出5000张作为验证数据（validation），另外55000张作为训练数据（train），还有10000张图片作为测试数据（test），且每一张图片都代表了0-9中的一个数字。在TF中专门提供了一个类来处理MNIST数据：

from tensorflow.examples.tutorials.mnist import input_data

#载入MNIST数据集，如果MNIST_data文件夹中无数据，则自动从网上下载
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

print("Training data size:", mnist.train.num_examples)
#Training data size: 55000

print("Validating data size:", mnist.validation.num_examples)
#Validating data size: 5000

print("Testing data size:", mnist.test.num_examples)
#Testing data size: 10000

print("Example training data:", mnist.train.images[0])
#Example training data:[0. 0. 0. 0. 0. ... 0. 0.365 0. ...] 共784项

print("Example training data label:", mnist.train.labels[0])
#打印数据的答案
#Example training data label:[0 0 0 0 0 0 0 0 0 0 0 1 0] 共10项，第几项为1就代表数字几

input_data.read_data_sets函数生成的类还提供了mni