tensorflow中实现神经网络训练手写数字数据集mnist

一：网络结构

基于tensorflow实现一个简单的三层神经网络，并使用它训练mnist数据集，神经网络三层分别为：

输入层： 

像素数据输入28x28=784 个输入节点

隐藏层：

30个神经元节点

输出层：

10个神经元节点，对应 0 ～ 9 十个数字 

图示结构如下：

网络结构的代码实现：

1. hidden_nodes = 30

2. x = tf.placeholder(shape=[None, 784], dtype=tf.float32)

3. y = tf.placeholder(shape=[None, 10], dtype=tf.float32)

4. w1 = tf.Variable(tf.truncated_normal(shape=[784, hidden_nodes]), dtype=tf.float32)

5. b1 = tf.Variable(tf.truncated_normal(shape=[1, hidden_nodes]), dtype=tf.float32)

6. w2 = tf.Variable(tf.truncated_normal(shape=[hidden_nodes, 10]), dtype=tf.float32)

7. b2 = tf.Variable(tf.truncated_normal(shape=[1, 10]), dtype=tf.float32)

8. # layer hidden

9. nn_1 = tf.add(tf.matmul(x, w1), b1)

10. h1 = tf.nn.sigmoid(nn_1)

11. # layer output

12. nn_2 = tf.add(tf.matmul(h1, w2), b2)

13. out = tf.nn.sigmoid(nn_2)

14. # loss function

15. error = tf.square(tf.subtract(y, out))

16. loss = tf.reduce_sum(error)

17. # back prop

18. step = tf.train.GradientDescentOptimizer(0.05).minimize(loss)

19. init = tf.global_variables_initializer()

二：数据读取与训练

读取mnist数据集

1. from tensorflow.examples.tutorials.mnist import inputdata

2. mnist = inputdata.readdatasets("MNISTdata/", onehot=True)

如果不行，就下载下来，放到本地即可

执行训练的代码如下

1. # accurate  model

2. acc_mat = tf.equal(tf.argmax(out, 1), tf.argmax(y, 1))

3. acc = tf.reduce_sum(tf.cast(acc_mat, tf.float32))

4. with tf.Session() as sess:

5.    sess.run(init)

6.    for i in range(20000):

7.        batch_xs, batch_ys = mnist.train.next_batch(10)

8.        sess.run(step, feed_dict={x: batch_xs, y: batch_ys})

9.        if i % 1000 == 0:

10.            x_input = mnist.test.images[:1000]

11.            y_input = mnist.test.labels[:1000]

12.            curr_acc = sess.run(acc, feed_dict={x: x_input, y: y_input})

13.            print("current acc : ", curr_acc)

训练结果：

测试集上对1000张手写数字图像测试正确识别921张，准确率高达92.1%。说明传统的人工神经网络表现还是不错的，这个还是在没有优化的情况下，通过修改批量数大小，修改学习率，添加隐藏层节点数与dropout正则化，可以更进一步提高识别率。

---

上次送书活动，感谢大家踊跃发言，留言，然图书只有三本，留言前三名

- 门德尔松

- 王健行

- 水亦心

截图为证：

请在微信公众号上，发送【本人微信号】，有效期至2018-07-14日24：00截至。过期作废！其它人可以到【京东】购买本人图书，本人一定做好答疑服务，再次感谢大家的支持与赞扬！

---

知不足者好学

耻下问者自满

关注【OpenCV学堂】

长按或者扫码二维码即可关注

更多相关阅读