识别mnist数字数据集
最开始根据nndl_exercise5的思路写 题目用tensorflow1写的，结果有一堆bug要调，最后做出来的东西虽然能跑，但是accuracy一直卡0.0987(正好差不多是随机猜一个数的概率) 大胆推测是输入数据时的尺寸大小没调节好，所以训练根本没效果，也就没有过拟合(逃
网上比较流行一开始就降维的写法 连官方都是一开始就摊平 传送门
最后的代码就放在这里吧
import tensorflow as tf import tensorflow.python.keras.layers mnist = tf.keras.datasets.mnist (x_train,y_train),(x_test,y_test) = mnist.load_data() x_train = x_train.reshape(60000,28,28,1) x_test = x_test.reshape(10000,28,28,1) _learning_rate = 1e-4 max_epoch = 2000 #正则化 x_train = tf.keras.utils.normalize(x_train,axis=1) x_test = tf.keras.utils.normalize(x_test,axis=1) model = tf.keras.models.Sequential() import tensorflow from tensorflow.python.keras.layers import Conv2D from tensorflow.python.keras.layers import MaxPool2D from tensorflow.python.keras.layers import Dense from tensorflow.python.keras.layers import Flatten #降维 model.add(Flatten()) # 全连接层 1 model.add(Dense(514,activation='relu')) # 全连接层 2 model.add(Dense(114,activation='relu')) model.add(Dense(10,activation='softmax')) # 交叉熵函数 model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy']) model.fit(x_train,y_train,epochs=300,validation_data=(x_test,y_test)) _,test_acc = model.evaluate(x_test,y_test,verbose=2)
