这次的mnist学习加入了测试集，看看学习的准确率，代码如下 误差何准确率如下 发现和书中类似，但要注意的如下： （1）数据预处理时，打散值选择和数据空间一样大； （2）数据处理选择0-1之间，而不用（-1 ：1），是因为后者学习效率不理想！ （3）代码还可以进行 ...

基于 Tensorflow 实现 Mobilenet V1 并基于 CFAR-10 数据训练 论文:MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 深度可分离卷积 将标准 ...

刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。 神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。 数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使 ...

tensorflow中使用mnist数据集训练全连接神经网络 ——学习曹健老师“人工智能实践：tensorflow笔记”的学习笔记， 感谢曹老师 前期准备：mnist数据集下载，并存入data目录： 文件列表：四个文件，分别为训练和测试集数据 Four files ...

先说我遇到的一个坑，在下载MNIST训练数据的时候，代码报错： urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)> ...

　　在我的上一篇随笔中，采用了单层神经网络来对MNIST进行训练，在测试集中只有约90%的正确率。这次换一种神经网络（多层神经网络）来进行训练和测试。 1、获取MNIST数据 　　MNIST数据集只要一行代码就可以获取的到，非常方便。关于MNIST的基本信息可以参考我的上一篇随笔 ...

　　前面两篇随笔实现的单层神经网络 和多层神经网络， 在MNIST测试集上的正确率分别约为90%和96%。在换用多层神经网络后，正确率已有很大的提升。这次将采用卷积神经网络继续进行测试。 1、模型基本结构 　　如下图所示，本次采用的模型共有8层（包含dropout层）。其中卷积层 ...

1.mnist_train.py 2.mnist_inference.py 3.mnist_test.py 4.predict.py ...