Tensorflow学习之MNIST数据集
前言: 最近有段时间没学习了,主要是MNIST数据集这一节的代码很多错误,比较难调试,而且每次报的错误还不一样,在网上百度又尝试了好多种解决办法最后才解决,挺烦的。还有就是自己本来选的人工智能方向,但是导师在这个方向貌似资源比较少,估计开学了就准备换个硬件方向了,一直都在怀疑自己还应不应该继续学Tensflow。最后就是,自己这段时间超级想买个Ipad Pro,也不知道是怎么会使,感觉跟有毒一样,本来钱就少但是就是想买,就天天在看能不能等到便宜的Ipad Pro。总是有很多事情影响学习啊!!! 言归正传 本节学习的内容:搭建神经网络,在 minist 数据集上训练模型,输出手写数字识别准确率。 mnist 数据集 包含7万张黑底白字手写数字图片,其中55000张为训练集,5000张为验证集,10000张为测试集。每张图片大小为 28x28 像素,图片中纯黑色的像素值为0,纯白色像素值为1。数据集的标签是长度为10的一维数组,数组中每个元素索引号表示对应数字出现的概率。我们将 mnist 数据集中的数据喂入神经网络之前,把数据集中的每张图像的像素用长度是 784 的一维数组来代替,这样再将这个数组作为神经网络的输入特征喂入神经网络。 使用 input_data 模块中的 read_data_sets() 函数加载 minist 数据集: from tensorflow