ML在Tensorflow平台下的ANN模型实现

阅读量：

对先前编写的代码进行一次系统的归纳与整合：

ANN训练Mnist

基于TensorFlow框架及MNIST手写数字识别数据集进行模型训练，所采用的开发环境为Python3.6与TensorFlow1.8版本。
完整代码已上传至github

构建神经网络的具体步骤归纳如下：

step1. 初始化超参数配置，包括学习率、权重衰减系数以及动量参数。

复制代码

    Learning_RATE=0.1
    MOMENTUM = 0.9
    WEIGHT_DECAY = 0.0001

神经网络中的参数配置。

复制代码

    model = MLP('fully_model', N_CLASSES, BATCH_SIZE, g, [50,50])

本结构中配置了两层隐藏层，每层节点数量均为50的ANN模型。

step2.完成全连接操作。

复制代码

    def fullyconnected(self, name, _input, out_channel):
       shape = _input.get_shape()
       if le

还没有任何评论哟~