基于muist数据集的maxout网络实现分类 ----代码分享

最新推荐文章于 2024-06-21 20:43:02 发布

原创

最新推荐文章于 2024-06-21 20:43:02 发布 · 699 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #神经网络

本文介绍如何使用TensorFlow在Windows环境下加载并分析MNIST数据集，通过定义正向传播结构、反向传播参数，实现对MNIST数据集的手写数字识别，并通过200个训练周期对模型进行训练。

运行环境：windows，tensorflow - gpu-1.13.1

#---------------------------------理解mnist数据集
#导入mnist数据集
from tensorflow.examples.tutorials.mnist import input_data #从网上下载mnist数据集的模块
mnist = input_data.read_data_sets('MNIST_data/',one_hot = False) #从指定文件夹导入数据集的数据
##分析mnist数据集
#print('输入训练数据集数据:',mnist.train.images) #打引导如数据集的数据
#print('输入训练数据集shape:',mnist.train.images.shape) #打印训练数据集的形状
#print('输入测试数据集shape:',mnist.test.images.shape) #用于评估训练过程中的准确度
#print('输入验证数据集shape:',mnist.validation.images.shape) #用于评估最终模型的准确度
#print('输入标签的shape:',mnist.train.labels.shape)
#展示mnist数据集
#import pylab 
#im = mnist.test.images[6] #train中的第六张图
#im = im.reshape(-1,28)
#pylab.imshow(im)
#pylab.show()


#-----------------------------------------------

#-------------------------------正向传播结构
import tensorflow as tf
tf.reset_default_graph()
#分析图片特点定义变量
#define placeholder
x = tf.placeholder(tf.float32,[None, 784]

最低0.47元/天解锁文章