tensorflow实现单层感知机对MNIST分类

最新推荐文章于 2023-05-26 11:25:23 发布

原创

最新推荐文章于 2023-05-26 11:25:23 发布 · 4.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

这篇博客介绍了如何使用TensorFlow实现单层感知机进行MNIST手写数字识别，准确率约为0.891。内容涵盖了tf.placeholder、tf.Variable、tf.reduce_sum和tf.argmax等关键API的用法，提供了代码示例和资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

所有代码数据可在百度云下载：

链接: https://pan.baidu.com/s/1c31hKLM 密码: 4tpm

所有涉及tensorflow API用法的，均可查看https://tensorflow.google.cn/api_docs/

下面的代码实现了一个单层感知机(Single Layer Perceptron) y=softmax(wx+b)，来处理MNIST手写数字识别问题。

# mnist_slp.py
# -*- coding: utf-8 -*-
import tensorflow as tf
from input_data import read_data_sets
import os

# don't show INFO 
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '1'

# read mnist
mnist = read_data_sets('MNIST_data', one_hot=True)


# single layer perceptron: y = wx + b
# input
x = tf.placeholder(tf.float32, [None, 784])

# weights
W = tf.Variable(tf.random_normal([784,10], stddev=0.1))

# bias
b = tf.Variable(tf.zeros([10]))

# softmax 
y = tf.nn.softmax(tf.matmul(x,W) + b)