zoukankan      html  css  js  c++  java
  • MINIST数据集分类简单版本(03-3)

    MNIST_data数据   百度网盘链接:https://pan.baidu.com/s/19lhmrts-vz0-w5wv2A97gg
    提取码:cgnx

    # -*- coding: UTF-8 -*-
    
    import tensorflow as tf
    from tensorflow.examples.tutorials.mnist import input_data
     
    #载入数据集
    mnist=input_data.read_data_sets("MNIST_data", one_hot=True)
     
    #每个批次的大小
    batch_size=100
    #计算一共有多少个批次
    n_batch=mnist.train.num_examples // batch_size
     
    #定义两个placeholder
    x=tf.placeholder(tf.float32,[None,784])
    y=tf.placeholder(tf.float32,[None,10])
     
    #创建一个简单的神经网络
    W=tf.Variable(tf.zeros([784,10]))
    b=tf.Variable(tf.zeros([1,10]))
    prediction=tf.nn.softmax(tf.matmul(x,W)+b)
     
    
    #二次代价函数
    loss = tf.reduce_mean(tf.square(y-prediction))
    #使用梯度下降法优化
    train_step=tf.train.GradientDescentOptimizer(0.2).minimize(loss)
     
    #初始化变量
    init=tf.global_variables_initializer()
     
    #结果放在一个布尔型列表中
    correct_prediction=tf.equal(tf.argmax(y,1), tf.argmax(prediction,1)) #argmax函数返回一维向量中最大值所在的位置
    #求准确率
    accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
     
    with tf.Session() as sess:
        sess.run(init)
        for epoch in range(21):#把所有图片训练21遍
            for batch in range(n_batch):#把所有图片都训练一遍
                batch_xs,batch_ys=mnist.train.next_batch(batch_size)
                sess.run(train_step,feed_dict={x:batch_xs, y:batch_ys})
     
            acc=sess.run(accuracy,feed_dict={x:mnist.test.images, y:mnist.test.labels})
            print("Iter"+str(epoch)+",Testing Accuracy "+str(acc))

    运行结果

    上面代码有很多地方都可以优化,如何介绍把识别的准确率提高到95%以上

  • 相关阅读:
    Spring----BeanPostProcessor
    spring lifeCycle
    lambda表达式
    mybatis ----SqlSessionManager
    带权随机
    Protocol Buffers学习笔记
    Java的Lambda表达式
    mysql之group_concat函数
    Java排序之归并排序
    Java排序之计数排序
  • 原文地址:https://www.cnblogs.com/spore/p/12732405.html
Copyright © 2011-2022 走看看