走进tensorflow第三步——MNIST手写数字分类问题（进阶篇）

最新推荐文章于 2025-04-08 10:10:57 发布

beyond_LH

最新推荐文章于 2025-04-08 10:10:57 发布

阅读量5.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： AI 文章标签： tensorflow mnist session AdamOptimizer

本文链接：https://blog.youkuaiyun.com/beyond9305/article/details/88583253

AI 专栏收录该内容

26 篇文章 ¥9.90 ¥99.00

订阅专栏

本文通过卷积神经网络对MNIST手写数字进行分类，深入探讨TensorFlow的使用。在代码实现过程中，强调了session的正确使用，包括变量初始化和启动session的重要性，避免了常见错误。经过20000次训练，模型最终达到99.14%的准确率，相较于基础模型有所提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接着来吧，用卷积神经网络使结果更加精确……

上代码：

# -*- coding: utf-8 -*-

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('MNIST_data',one_hot=True)
sess = tf.InteractiveSession()
def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)
def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

了解本专栏