tensorflow学习笔记——手写体数字识别

使用tensorflow框架搭建全连接神经网络，用于识别手写体数字，希望对大家有帮助。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data# 获取数据集
# one_hot设置为True，将标签数据转化为0/1，如[1,0,0,0,0,0,0,0,0,0]
mnist=input_data.read_data_sets('MNIST_data',one_hot=True)# 定义一个批次的大小
batch_size=100
n_batch=mnist.train.num_examples//batch_size# 定义两个placeholder
# 行数值为None，None可以取任意数，本例中将取值100，即取决于pitch_size
# 列数值为784，因为输入图像尺寸已由28*28转换为1*784
x=tf.placeholder(tf.float32,[None,784])
y=tf.placeholder(tf.float32,[None,10])# 定义两个变量
w=tf.Variable(tf.zeros([784,10]))
b=tf.Variable(tf.zeros([10]))# 定义一个神经网络
# softmax的作用是将tf.matmul(x,w)+b的结果转换为概率值，举例如下：
# [9,2,1,1,2,1,1,2,1,1]
# [0.99527,0.00091,0.00033,0.00033,0.00091,0.00033,0.00033,0.00091,0.00033,0.00033]
prediction=tf.nn.softmax(tf.matmul(x,w)+b)# 定义损失函数
loss=tf.reduce_mean(tf.square(y-prediction))# 定义优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)# 定义模型，优化器通过调整loss里的参数，使loss不断减小
train=optimizer.minimize(loss)# 统计准确率
# tf.argmax返回第一个参数中最大值的下标
# tf.equal比较两个参数是否相等，返回True或False
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))
# tf.cast将布尔类型转换为浮点类型
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))with tf.Session() as sess:sess.run(tf.global_variables_initializer())# epoch为周期数，所有批次训练完为一个周期for epoch in range(20):for batch in range(n_batch):# 每次取出batch_size条数据进行训练batch_xs,batch_ys=mnist.train.next_batch(batch_size)sess.run(train,feed_dict={x:batch_xs,y:batch_ys})acc = sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels})print('epoch=',epoch,' ','acc=',acc)

版本信息：
OS：Win7 64位 or Win10 64位
python：3.6.x
tensorboard：1.6.0
tensorflow：1.4.0
tensorflow-tensorboard：0.4.0
备注：安装tensorflow1.4.0时自动安装tensorflow-tensorboard0.4.0
#####################################################
MNIST_data文件解压后与Python文件放在同一文件夹下即可使用，MNIST_data文件下载链接：
链接：https://pan.baidu.com/s/1k65qXdFhmy_9SBlrBQ9H5A
提取码：81im
#####################################################

运行结果：

tensorflow学习笔记——手写体数字识别相关推荐

Tensorflow解决MNIST手写体数字识别
这里给出的代码是来自<Tensorflow实战Google深度学习框架>,以供参考和学习. 首先这个示例应用了几个基本的方法: 使用随机梯度下降(batch) 使用Relu激活函数去线性化 ...
TensorFlow学习笔记——车牌标志识别分类
TensorFlow--车牌标志识别分类学习笔记本博客的内容是:在 BlackWalnut Labs 完成车牌标志识别实验的学习笔记其中主要的部分是 BlackWalnut Labs 的实验过程介 ...
基于tensorflow的minst手写体数字识别
引言 TensorFlow 是一个采用数据流图,用于数值计算的开源软件库.它是一个不严格的"神经网络"库,可以利用它提供的模块搭建大多数类型的神经网络.它可以基于CPU或GPU运行 ...
TensorFLow.js实现手写体数字识别
先看最终效果: 一.加载MNIST数据集使用预先准备好的脚本加载MNIST数据集,脚本可在文章末尾的源码里面获取. 为了避免从国外直接下载数据集花费太多时间,所以脚本文件里面已经将地址改成本地的,因 ...
Tensorflow 改进的MNIST手写体数字识别
上篇简单的Tensorflow解决MNIST手写体数字识别可扩展性并不好.例如计算前向传播的函数需要将所有的变量都传入,当神经网络的结构变得复杂.参数更多时,程序的可读性变得非常差.而且这种方式会导致 ...
TensorFlow学习笔记（二）手写体数字的识别——环境安装
手写体数字的识别--环境安装上一篇 Anaconda 的安装: 建立 TensorFlow 的 Anaconda 虚拟环境 1. 建立工作目录 2. 建立 Anaconda 虚拟环境 3. 启动 A ...
tensorflow学习笔记（十）：GAN生成手写体数字（MNIST）
文章目录一.GAN原理二.项目实战 2.1 项目背景 2.2 网络描述 2.3 项目实战一.GAN原理生成对抗网络简称GAN,是由两个网络组成的,一个生成器网络和一个判别器网络.这两个网络可以 ...
tensorflow学习笔记（八）：LSTM手写体(MNIST)识别
文章目录一.LSTM简介二.主要函数三.LSTM手写体(MNIST)识别 1.MNIST数据集简介 2.网络描述 3.项目实战一.LSTM简介 LSTM是一种特殊的RNN,很好的解决了RNN中 ...
tensorflow学习笔记（七）：CNN手写体(MNIST)识别
文章目录一.CNN简介二.主要函数三.CNN的手写体识别 1.MNIST数据集简介 2.网络描述 3.项目实战一.CNN简介一般的卷积神经网络由以下几个层组成:卷积层,池化层,非线性激活函数 ...

tensorflow学习笔记——手写体数字识别

tensorflow学习笔记——手写体数字识别相关推荐

最新文章

热门文章