tensorflow使用神经网络实现mnist分类


Posted in Python onSeptember 08, 2018

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

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
深入理解Python单元测试unittest的使用示例
Nov 18 Python
selenium使用chrome浏览器测试(附chromedriver与chrome的对应关系表)
Nov 29 Python
python实现Dijkstra静态寻路算法
Jan 17 Python
初探利用Python进行图文识别(OCR)
Feb 26 Python
python+webdriver自动化环境搭建步骤详解
Jun 03 Python
python脚本开机自启的实现方法
Jun 28 Python
Python flask框架post接口调用示例
Jul 03 Python
python列表每个元素同增同减和列表元素去空格的实例
Jul 20 Python
解决Pytorch 训练与测试时爆显存(out of memory)的问题
Aug 20 Python
Python如何使用ConfigParser读取配置文件
Nov 12 Python
Python机器学习实战之k-近邻算法的实现
Nov 27 Python
Python中第三方库Faker的使用详解
Apr 02 Python
Python unittest单元测试框架总结
Sep 08 #Python
tensorflow实现加载mnist数据集
Sep 08 #Python
使用tensorflow实现线性回归
Sep 08 #Python
Python  unittest单元测试框架的使用
Sep 08 #Python
tensorflow实现逻辑回归模型
Sep 08 #Python
Django实现表单验证
Sep 08 #Python
python实现排序算法解析
Sep 08 #Python
You might like
一个简单的php实现的MySQL数据浏览器
2007/03/11 PHP
php使用Header函数,PHP_AUTH_PW和PHP_AUTH_USER做用户验证
2016/05/04 PHP
PHP发送AT指令实例代码
2016/05/26 PHP
PHP魔术方法之__call与__callStatic使用方法
2017/07/23 PHP
PHP 应用容器化以及部署方法
2018/02/12 PHP
Laravel访问出错提示:`Warning: require(/vendor/autoload.php): failed to open stream: No such file or di解决方法
2019/04/02 PHP
php用户名的密码加密更安全的方法
2019/06/21 PHP
PHP 使用位运算实现四则运算的代码
2021/03/09 PHP
MooBox 基于Mootools的对话框插件
2012/01/20 Javascript
js鼠标滑过弹出层的定位IE6bug解决办法
2012/12/26 Javascript
js获取dom的高度和宽度(可见区域及部分等等)
2013/06/13 Javascript
jQuery中Ajax的load方法详解
2015/01/14 Javascript
jQuery实现的感应鼠标悬停图片色彩渐显效果
2015/03/03 Javascript
js如何判断输入字符串长度
2015/12/16 Javascript
jquery+json实现分页效果
2016/03/07 Javascript
jQuery+CSS3实现仿花瓣网固定顶部位置带悬浮效果的导航菜单
2016/09/21 Javascript
jquery实现提示语淡入效果
2017/05/05 jQuery
node.js-v6新版安装具体步骤(分享)
2017/09/06 Javascript
vue.js模仿京东省市区三级联动的选择组件实例代码
2017/11/22 Javascript
layer页面跳转,获取html子节点元素的值方法
2019/09/27 Javascript
JS通用方法触发点击事件代码实例
2020/02/17 Javascript
python将txt文件读取为字典的示例
2018/12/22 Python
对Django中static(静态)文件详解以及{% static %}标签的使用方法
2019/07/28 Python
在pycharm中配置Anaconda以及pip源配置详解
2019/09/09 Python
在tensorflow中实现去除不足一个batch的数据
2020/01/20 Python
Tensorflow: 从checkpoint文件中读取tensor方式
2020/02/10 Python
Python IDE环境之 新版Pycharm安装详细教程
2020/03/05 Python
python在linux环境下安装skimage的示例代码
2020/10/14 Python
英国工具中心:UK Tool Centre
2017/07/10 全球购物
Ray-Ban雷朋太阳眼镜英国官网:Ray-Ban UK
2019/11/23 全球购物
初中英语教学反思
2014/01/25 职场文书
护士自我鉴定总结
2014/03/24 职场文书
初中生毕业评语
2014/12/29 职场文书
python 下划线的多种应用场景总结
2021/05/12 Python
sql server删除前1000行数据的方法实例
2021/08/30 SQL Server
MySQL控制流函数(-if ,elseif,else,case...when)
2022/07/07 MySQL