本文利用Tensorflow和mnist資料集訓練單層前饋神經網絡/感覺機模型,損失函數使用交叉熵,訓練方法采用梯度下降,完成本文的執行個體需要的基礎知識:
1、機器學習-前饋神經網絡/感覺機的基本原理
2、Tensorflow機器學習基本操作
下面介紹執行個體實作的主要步驟
1、下載下傳資料集,mnist資料集,可以直接去Lecun官網下載下傳
mnist資料集介紹可以參考這篇文章:MNIST資料集下載下傳及可視化
2、擷取mnist資料集操作的python包,github上有
Github位址:tensorfow操作mnist資料集python包-Github
3、編寫代碼,包括模型、訓練和評估,利用訓練集訓練網絡模型,利用測試集測試結果
具體代碼項目Github位址(如果對你有所幫助,歡迎關注點贊~):
https://github.com/firemonkeygit/DeepLearningTensorflowMNISTgithub.com
經過調試可用,注意導入操作mnist資料集的python包和配置正确的資料集路徑:
代碼執行結果:loss is: 3142.896240234375,acc is:0.9110999703407288
主要源代碼檔案及分析詳見
深度學習-卷積神經網絡-執行個體及代碼1(入門)-利用Tensorflow和mnist資料集訓練單層前饋神經網絡/感覺機實作手寫數字識别_firemonkeycs的專欄-CSDN部落格_手動實作前饋神經網絡解決mnist手寫體資料集blog.csdn.net
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5iZ5QzYhJzMkZTNjhzM0ImYkVjNwMTOkBjZwQTMkFGO58CX0JXZ252bj91Ztl2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
【碼字不易,如果對你有幫助歡迎關注點贊】