Tensorflow下的Mnist手写数字识别

最新推荐文章于 2020-06-15 16:08:31 发布

weixin_34195546

最新推荐文章于 2020-06-15 16:08:31 发布

阅读量61

点赞数

CC 4.0 BY-SA版权

文章标签： python

原文链接：https://juejin.im/post/5c33308fe51d45523070f638

本文介绍如何使用TensorFlow和MNIST数据集进行简单的手写数字识别。通过下载并预处理MNIST数据，利用TensorFlow构建了一个基本的神经网络模型，实现了对MNIST数据集的手写数字分类，并讨论了在实现过程中可能遇到的常见错误及其解决方案。

事先准备：在tensorflow官方文档网页上下载input_data.py，下载不了的话去网上查找，input_data.py用于下载和提取mnist数据

一、代码及注释

#下载mnist数据到当前路径下的MNIST_data文件夹中，同时进行提取
import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
import tensorflow as tf
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,W) + b)
y_ = tf.placeholder("float", [None,10])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

for i in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})复制代码