基于TensorFlow的CNN实现Mnist手写数字识别_cnn实现mnist手写数字识别代码 - CSDN文库

5星 · 超过95%的资源 127 浏览量更新于2023-03-16 评论收藏 275KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

基于基于TensorFlow的的CNN实现实现Mnist手写数字识别手写数字识别

本文实例为大家分享了基于TensorFlow的CNN实现Mnist手写数字识别的具体代码，供大家参考，具体内容如下

一、一、CNN模型结构模型结构

输入层：Mnist数据集（28*28）

第一层卷积：感受视野5*5，步长为1，卷积核：32个

第一层池化：池化视野2*2，步长为2

第二层卷积：感受视野5*5，步长为1，卷积核：64个

第二层池化：池化视野2*2，步长为2

全连接层：设置1024个神经元

输出层：0~9十个数字类别

二、代码实现二、代码实现

import tensorflow as tf

#Tensorflow提供了一个类来处理MNIST数据

from tensorflow.examples.tutorials.mnist import input_data

import time

#载入数据集

mnist=input_data.read_data_sets('MNIST_data',one_hot=True)

#设置批次的大小

batch_size=100

#计算一共有多少个批次

n_batch=mnist.train.num_examples//batch_size

#定义初始化权值函数

def weight_variable(shape):

initial=tf.truncated_normal(shape,stddev=0.1)

return tf.Variable(initial)

#定义初始化偏置函数

def bias_variable(shape):

initial=tf.constant(0.1,shape=shape)

return tf.Variable(initial)

#卷积层

def conv2d(input,filter):

return tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='SAME')

#池化层

def max_pool_2x2(value):

return tf.nn.max_pool(value,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

#输入层

#定义两个placeholder

x=tf.placeholder(tf.float32,[None,784]) #28*28

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

#改变x的格式转为4维的向量[batch,in_hight,in_width,in_channels] x_image=tf.reshape(x,[-1,28,28,1])

#卷积、激励、池化操作

#初始化第一个卷积层的权值和偏置

W_conv1=weight_variable([5,5,1,32]) #5*5的采样窗口，32个卷积核从1个平面抽取特征

b_conv1=bias_variable([32]) #每一个卷积核一个偏置值

#把x_image和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数

h_conv1=tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)

h_pool1=max_pool_2x2(h_conv1) #进行max_pooling 池化层

#初始化第二个卷积层的权值和偏置

W_conv2=weight_variable([5,5,32,64]) #5*5的采样窗口，64个卷积核从32个平面抽取特征

b_conv2=bias_variable([64])

#把第一个池化层结果和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数

h_conv2=tf.nn.relu(conv2d(h_pool1,W_conv2)+b_conv2)

h_pool2=max_pool_2x2(h_conv2) #池化层

#28*28的图片第一次卷积后还是28*28，第一次池化后变为14*14

#第二次卷积后为14*14，第二次池化后变为了7*7

#经过上面操作后得到64张7*7的平面

#全连接层

#初始化第一个全连接层的权值

W_fc1=weight_variable([7*7*64,1024])#经过池化层后有7*7*64个神经元，全连接层有1024个神经元

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论5

巴蜀明月

2023-07-24

这个文件清晰地介绍了如何使用TensorFlow建立一个基于CNN的Mnist手写数字识别模型。

weixin_38706197

粉丝: 2
资源: 979

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈