這次的mnist學習加入了測試集，看看學習的准確率，代碼如下 誤差何准確率如下 發現和書中類似，但要注意的如下： （1）數據預處理時，打散值選擇和數據空間一樣大； （2）數據處理選擇0-1之間，而不用（-1 ：1），是因為后者學習效率不理想！ （3）代碼還可以進行 ...

基於 Tensorflow 實現 Mobilenet V1 並基於 CFAR-10 數據訓練 論文:MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 深度可分離卷積 將標准 ...

剛開始學習tf時，我們從簡單的地方開始。卷積神經網絡（CNN）是由簡單的神經網絡（NN）發展而來的，因此，我們的第一個例子，就從神經網絡開始。 神經網絡沒有卷積功能，只有簡單的三層：輸入層，隱藏層和輸出層。 數據從輸入層輸入，在隱藏層進行加權變換，最后在輸出層進行輸出。輸出的時候，我們可以使 ...

tensorflow中使用mnist數據集訓練全連接神經網絡 ——學習曹健老師“人工智能實踐：tensorflow筆記”的學習筆記， 感謝曹老師 前期准備：mnist數據集下載，並存入data目錄： 文件列表：四個文件，分別為訓練和測試集數據 Four files ...

先說我遇到的一個坑，在下載MNIST訓練數據的時候，代碼報錯： urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)> ...

　　在我的上一篇隨筆中，采用了單層神經網絡來對MNIST進行訓練，在測試集中只有約90%的正確率。這次換一種神經網絡（多層神經網絡）來進行訓練和測試。 1、獲取MNIST數據 　　MNIST數據集只要一行代碼就可以獲取的到，非常方便。關於MNIST的基本信息可以參考我的上一篇隨筆 ...

　　前面兩篇隨筆實現的單層神經網絡 和多層神經網絡， 在MNIST測試集上的正確率分別約為90%和96%。在換用多層神經網絡后，正確率已有很大的提升。這次將采用卷積神經網絡繼續進行測試。 1、模型基本結構 　　如下圖所示，本次采用的模型共有8層（包含dropout層）。其中卷積層 ...

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