网站内容规范,网站运营方案设计,怎么跟客户介绍网站建设,重庆建一个网站大概要多少钱神经网络分类MNIST数据集 目录 神经网络分类MNIST数据集 1 一 、问题背景 1 1.1 神经网络简介 1 前馈神经网络模型#xff1a; 1 1.2 MINST 数据说明 4 1.3 TensorFlow基本概念 5 二 、实现说明 5 2.1 构建神经网络模型 5
为输入输出分配占位符 5 搭建分层的神经网络 6 处理预…神经网络分类MNIST数据集 目录 神经网络分类MNIST数据集 1 一 、问题背景 1 1.1 神经网络简介 1 前馈神经网络模型 1 1.2 MINST 数据说明 4 1.3 TensorFlow基本概念 5 二 、实现说明 5 2.1 构建神经网络模型 5
为输入输出分配占位符 5 搭建分层的神经网络 6 处理预测结果 8 2.2 运行模型 9 三 、程序测试 9 3.1 运行说明 10 3.2 运行输出 10 四 、实验总结 11 2.2运行模型 首先调用 tf.global_variables_initializer() 初始化模型的参数Session提供了Operation执行和Tensor求值的环境 其中 模型训练分批次每一批用100个样本训练神经网络模型每一批都在上一批的基础上对网络模型 的参数进行调整。 mnist.train.next_batch 返回的是一组元组元组的第一个元素图片像素阵列第二个元素为 one-hot 格式的预测标签。 在一个Session 里面计算张量的值执行定义的所有必要的操作来产生这个计算这个张量需要的输入然后通过这些输入产生这个张量。 feed_dict 作用是给使用 placeholder 创建出来的张量赋值上述我们使用 定义 的占位符包括输入 x 、输出 y 和Dropout 层保留比例 keep_prob 。 三 、程序测试 3.1运行说明 因为实验代码所需要的TensorFlow版本为1.4.0而现在TensorFlow的版本已经上升到了2.x一些以前 提供的数据集、函数已经被删除故直接运行会报错报错内容为找不到 包。 我们可以使用一些Online运行环境如 Google Colab https://colab.research.google.com/。使用云计算来运行我们的程序将TensorFlow降级至1.4.0而不修改本地 Python 的配置。 将TensorFlow降级的方法如下在文件首行加入以下代码然后再 import tensorflow 。 执行程序后会首先出现以下输出本文转载自http://www.biyezuopin.vip/onews.asp?id16721程序其他部分无需修改即可以正常运行运行结果与预期一致。 3.2运行输出 运行输出如下可以看到随着测试规模的增加训练和测试的准确率也不断地在上升。 step 0, training accuracy 0.07, test accuracy 0.1024 step 50, training accuracy 0.91, test accuracy 0.8892 3 step 100, training accuracy 0.95, test accuracy 0.9325 4 step 150, training accuracy 0.94, test accuracy 0.9405 5 step 200, training accuracy 0.95, test accuracy 0.9468 6 step 250, training accuracy 0.96, test accuracy 0.9518 7 step 300, training accuracy 0.94, test accuracy 0.9543 8 step 350, training accuracy 0.97, test accuracy 0.9645 9 step 400, training accuracy 0.94, test accuracy 0.9588 10 step 450, training accuracy 0.95, test accuracy 0.9655 11 12 step 500, training accuracy 1, test accuracy 0.9608 test accuracy 0.9586 尝试修改部分参数观察输出变化情况。 提高Adam下降算法的学习率将学习率从 提高到 、 可以看到随着学习率的提高测试正确率有明显的提高但耗时随之上升。 step 0, training accuracy 0.08, test accuracy 0.1123 step 50, training accuracy 0.94, test accuracy 0.913 step 100, training accuracy 0.9, test accuracy 0.9283 4 step 150, training accuracy 0.95, test accuracy 0.9442 5 step 200, training accuracy 0.91, test accuracy 0.9413 6 step 250, training accuracy 0.94, test accuracy 0.954 7 step 300, training accuracy 0.93, test accuracy 0.9513 8 step 350, training accuracy 0.99, test accuracy 0.9598 9 step 400, training accuracy 0.97, test accuracy 0.9609 10 step 450, training accuracy 0.94, test accuracy 0.9584 11 step 500, training accuracy 0.96, test accuracy 0.9609 12 test accuracy 0.9651 当学习率提高到 时过高的学习率容易跳过最优值预测效果反而下降。 step 0, training accuracy 0.07, test accuracy 0.0877 step 50, training accuracy 0.89, test accuracy 0.9095 3 step 100, training accuracy 0.94, test accuracy 0.9233 4 step 150, training accuracy 0.91, test accuracy 0.9267 5 step 200, training accuracy 0.89, test accuracy 0.882 6 step 250, training accuracy 0.96, test accuracy 0.9383 7 step 300, training accuracy 0.92, test accuracy 0.9426 8 step 350, training accuracy 0.96, test accuracy 0.9384 9 step 400, training accuracy 0.95, test accuracy 0.9524 10 step 450, training accuracy 0.93, test accuracy 0.9504 11 step 500, training accuracy 0.95, test accuracy 0.9563 12 test accuracy 0.9469 增加/减少神经网络隐层 经测试网络层数345对模型效果的影响不明显。而层次相同的神经网络中节点数目多的 表现出性能更优。 四 、实验总结 通过本次实验我们深入理解了前馈神经网络模型通过示例代码研究MINST数据集训练神经网络的过程。第一次了解 TensorFlow学习了TensorFlow的基本概念和用法掌握了如何运用 TensorFlow来构建一个神经网络模型。
