使用Tensorflow开发增强版的手写数字识别网络模型
发布时间
阅读量：
阅读量
在过去的阶段中构建了一个基础模型进行训练，在经过严格测试后其准确率为91%。本文将介绍如何采用稍微复杂一点的模型——卷积神经网络——来提高性能，并附上相关的效果图：
图1
具体的步骤为：
首先完成准备工作：
import input_data
import tensorflow as tf
#导入数据
mnist = input_data.read_data_sets('MNIST_data', one_hot = True)
#设置占位符和输入数据的格式
x = tf.placeholder("float", shape = [None, 784])
y = tf.placeholder("float' shape = [None, 10])
#784=>>28*28, 最后一维代表图片的颜色通道数,这里是灰度图为1,如果是rgb彩色图，则为3.
x_image = tf.reshape(x, [-1,28,28,1]) #
AI写代码
还没有任何评论哟~