二、tensorflow手写数字识别步骤
1、 将要识别的图片转为灰度图,并且转化为28*28矩阵
2、 将28*28的矩阵转换成1维矩阵
3、 用一个1*10的向量代表标签,因为数字是0~9,如数字1...对应的矩阵就是:[0,1,0,0,0,0,0,0,0,0]
4、 softmax回归预测图片是哪个数字的概率。...在这里标签的表示方式有些特殊,它也是使用了一个一维数组,而不是单纯的数字,上面也说了,他是一个一位数组,0表示方法[1,0,0,0,0,0,0,0,0,0],1表示[0,1,0,0,0,0,0,0,0,0...],………,
主要原因其实是这样的,因为softmax回归处理后会生成一个1*10的数组,数组[0,0]的数字表示预测的这张图片是0的概率,[0,1]则表示这张图片表示是1的概率……以此类推,这个数组表示的就是这张图片是哪个数字的概率...感知器网络的输出只能取值0或1,不具备可导性。而基于敏感度的训练算法要求其输出函数必须处处可导,于是引入了常见的S型可导函数,即在每个神经元的输出之前先经过S型激活函数的处理。)