Tensorflow学习系列(三): tensorflow mnist数据集如何跑出99+的准确率

最新推荐文章于 2025-03-15 13:31:43 发布

vs412237401

最新推荐文章于 2025-03-15 13:31:43 发布

阅读量8.2k

点赞数 4

分类专栏：深度学习文章标签： tensorflow 深度学习

本文链接：https://blog.youkuaiyun.com/vs412237401/article/details/62881889

版权

本文介绍了一个利用Tensorflow实现的MNIST数据集深度学习模型，通过ZeroPadding2D、Convolution2D、BatchNormalization等层，达到99.8%的预测准确率。文中提及Kaggle上有人跑出的100%准确率，并邀请读者分享类似高精度模型的经验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如需转载，请注明出处，欢迎加入深度学习群 255568483

mnist数据集基本上可以算做是数据科学里的hello world程序。

tensorflow官方文档有一个例子可以对mnist数据集做分析，对于刚入门者，可以通过简单的模型达到92%的准确率。

以下代码分析是对应所做的分析，请看对应的中文注释

#!/usr/bin/env python
# encoding: utf-8
# 文件说明：
# 原始参考URL：
# 功能说明：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import argparse
import sys

from tensorflow.examples.tutorials.mnist import input_data

import tensorflow as tf

FLAGS = None


def main(_):
    # 获取数据集
    mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)

    # 定义输入和输出的占位符
    x = tf.placeholder(tf.float32, [None, 784])
    y_ = tf.placeholder(tf.float32, [None, 10])

    # 定义通用函数
    def weight_variable(shape):
        # 截断正态分布 标准方差为0.1
        initial = tf.truncated_normal(shape, stddev=0.1)
        return tf.Variable(init

最低0.47元/天解锁文章