tensorflow使用神经网络实现mnist分类

作者:Missayaa 时间:2023-07-05 10:19:13 

本文实例为大家分享了tensorflow神经网络实现mnist分类的具体代码,供大家参考,具体内容如下

只有两层的神经网络,直接上代码


#引入包
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
#引入input_data文件
from tensorflow.examples.tutorials.mnist import input_data
#读取文件
mnist = input_data.read_data_sets('F:/mnist/data/',one_hot=True)

#定义第一个隐藏层和第二个隐藏层,输入层输出层
n_hidden_1 = 256
n_hidden_2 = 128
n_input = 784
n_classes = 10

#由于不知道输入图片个数,所以用placeholder
x = tf.placeholder("float",[None,n_input])
y = tf.placeholder("float",[None,n_classes])

stddev = 0.1

#定义权重
weights = {
   'w1':tf.Variable(tf.random_normal([n_input,n_hidden_1],stddev = stddev)),
   'w2':tf.Variable(tf.random_normal([n_hidden_1,n_hidden_2],stddev=stddev)),
   'out':tf.Variable(tf.random_normal([n_hidden_2,n_classes],stddev=stddev))    
   }

#定义偏置
biases = {
   'b1':tf.Variable(tf.random_normal([n_hidden_1])),
   'b2':tf.Variable(tf.random_normal([n_hidden_2])),
   'out':tf.Variable(tf.random_normal([n_classes])),
   }
print("Network is Ready")

#前向传播
def multilayer_perceptrin(_X,_weights,_biases):
 layer1 = tf.nn.sigmoid(tf.add(tf.matmul(_X,_weights['w1']),_biases['b1']))
 layer2 = tf.nn.sigmoid(tf.add(tf.matmul(layer1,_weights['w2']),_biases['b2']))
 return (tf.matmul(layer2,_weights['out'])+_biases['out'])

#定义优化函数,精准度等
pred = multilayer_perceptrin(x,weights,biases)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = pred,labels=y))
optm = tf.train.GradientDescentOptimizer(learning_rate = 0.001).minimize(cost)
corr = tf.equal(tf.argmax(pred,1),tf.argmax(y,1))
accr = tf.reduce_mean(tf.cast(corr,"float"))
print("Functions is ready")

#定义超参数
training_epochs = 80
batch_size = 200
display_step = 4

#会话开始
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

#优化
for epoch in range(training_epochs):
 avg_cost=0.
 total_batch = int(mnist.train.num_examples/batch_size)

for i in range(total_batch):
   batch_xs,batch_ys = mnist.train.next_batch(batch_size)
   feeds = {x:batch_xs,y:batch_ys}
   sess.run(optm,feed_dict = feeds)
   avg_cost += sess.run(cost,feed_dict=feeds)
 avg_cost = avg_cost/total_batch

if (epoch+1) % display_step ==0:
   print("Epoch:%03d/%03d cost:%.9f"%(epoch,training_epochs,avg_cost))
   feeds = {x:batch_xs,y:batch_ys}
   train_acc = sess.run(accr,feed_dict = feeds)
   print("Train accuracy:%.3f"%(train_acc))
   feeds = {x:mnist.test.images,y:mnist.test.labels}
   test_acc = sess.run(accr,feed_dict = feeds)
   print("Test accuracy:%.3f"%(test_acc))
print("Optimization Finished")

程序部分运行结果如下:


Train accuracy:0.605
Test accuracy:0.633
Epoch:071/080 cost:1.810029302
Train accuracy:0.600
Test accuracy:0.645
Epoch:075/080 cost:1.761531130
Train accuracy:0.690
Test accuracy:0.649
Epoch:079/080 cost:1.711757494
Train accuracy:0.640
Test accuracy:0.660
Optimization Finished

来源:https://blog.csdn.net/Missayaaa/article/details/80065319

标签:tensorflow,神经网络,mnist分类
0
投稿

猜你喜欢

  • pygame 键盘事件的实践

    2023-09-29 18:56:10
  • 浅谈Python处理json字符串为什么不建议使用eval()

    2023-08-17 06:56:34
  • Dreamweaver使用快技法十三则

    2009-07-21 12:45:00
  • python实现人脸识别经典算法(一) 特征脸法

    2021-07-15 11:35:03
  • Git创建子分支,合并分支并提交

    2022-01-16 19:27:29
  • python中for循环输出列表索引与对应的值方法

    2023-05-01 16:59:24
  • 通过索引优化含ORDER BY的MySQL语句

    2010-03-13 12:20:00
  • 在JavaScript中对HTML进行反转义详解

    2024-05-02 16:21:19
  • Python命令行参数解析模块getopt使用实例

    2021-02-20 08:53:48
  • phpcms中的评论样式修改方法

    2024-05-02 17:17:23
  • 使用PyQt5设计GUI实现程序图形界面设计

    2021-09-26 03:22:02
  • uniapp实现录音上传功能

    2024-06-07 16:00:04
  • 解决python3 网络请求路径包含中文的问题

    2023-07-09 00:14:23
  • python 环境搭建 及python-3.4.4的下载和安装过程

    2022-04-24 11:40:44
  • python把ipynb文件转换成pdf文件过程详解

    2022-07-27 23:50:24
  • MySQL prepare语句的SQL语法

    2024-01-20 03:14:08
  • 使用 Python 写一个简易的抽奖程序

    2023-07-28 00:46:54
  • MySQL数据库事务与锁深入分析

    2024-01-28 19:03:12
  • js判断输入字符串是否为空、空格、null的方法总结

    2024-04-19 09:56:56
  • 面试被问select......for update会锁表还是锁行

    2024-01-17 20:59:17
  • asp之家 网络编程 m.aspxhome.com