tensorflow搭建神经网络训练mnist数据集的方法

爱学习的人工智障

于 2019-04-09 20:38:57 发布

阅读量510

点赞数

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/weixin_38410551/article/details/89161322

版权

这篇博客介绍了如何利用TensorFlow构建并训练一个神经网络模型，以处理MNIST数据集。首先，导入了TensorFlow库和MNIST数据。接着，详细说明了神经网络的计算图结构设计。最后，阐述了训练模型的过程，包括分批次输入数据、前向传播和反向优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

导入tesorflow

import tensorflow as tf

导入mnist数据`

  from tensorflow.examples.tutorials.mnist import input_data

定义神经网络计算图结构

#定义了单层多神经元网络结构
learning_rate = tf.placeholder(tf.float32)#定义学习率，float32:单精度类型
x = tf.placeholder(tf.float32,[None,784],name = 'x')#输入数据：784 = 28 * 28  None: batchsize
w = tf.Variable(tf.truncated_normal([784,10]),name = 'weight')#权重系数，该结构是一个单层神经元，tf.truncated_normal：正态分布截取部分数据，来初始化权重系数，权值系数尺寸：784 * 10
b = tf.Variable(tf.zeros([10]),name = 'bias')#偏置系数：10个神经元
logits = tf.matmul(x,w) + b #tf.matmul：，logits：未经激活的输出.没有做任何的激活
y = tf.placeholder(tf.float32,[None,10],name = 'y') #y: label标签 None: batch size 

#用交叉熵计算loss
cross_entropy = tf.reduce_mean(
      tf.nn.sigm