本文介绍如何利用TensorFlow实现手写数字识别，主要步骤包括：数据准备、搭建神经网络、定义损失函数和优化器、变量初始化、模型训练及测试。通过训练，模型在MNIST数据集上的准确率可达97%左右。
tensorflow实现手写数字识别（使用深度神经网络）
一．MNIST 数据集是经典的手写体数字数据集。使用深度神经网络。
分类该数据集。测试精度。（此程序参考于网络平台上）
步骤：创建数据，搭建模型，计算误差，传播误差，训练模型
（1）从网上下载压缩文件MNIST_data.rar数据集，并解压。
（2）数据准备
（3）搭建神经网络
A.定义addConnect函数，即在神经网络中添加1个连接层；addConnect函数需要4个参数，第1个参数是输入层矩阵Inputs；第2个参数是连接上一层神经元个数in_size，数据类型为整数；第3个参数是连接下一层神经元个数，数据类型为整数；第4个参数是激活函数。数据类型为函数对象。
B.添加两个连接层并赋值给connect_1和predict_y
C.定义损失函数loss，这里采用交叉熵损失函数
D.定义优化器o
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
