mnist数据集LR实战

本文介绍了使用逻辑回归(LR)在MNIST数据集上创建神经网络的过程,包括数据导入处理、神经网络搭建、损失函数计算、采用Adam优化器以及计算准确率。通过设置dropout提高模型性能,最后展示模型训练结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习简要介绍,NLP基础+实战 让机器“写小说”教程-慕课网 (imooc.com)

目录

配置

代码

数据集导入及处理

创建神经网络

计算损失函数

采用adam自适应学习率优化器

计算准确率

session封装模型

运行结果


配置

anaconda+pycharm+virtualenv环境

代码

数据集导入及处理

 

mnist 6w训练数据,1w测试数据,按批次batch size存入内存,共有n batch个批次

placeholder存放外部输入的数据,并且不可改变

列为784=28*28,行不确定为n

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

想要好好撸AI

你的鼓励就是我最大的创作动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值