Tensorflow MNIST -特定测试图像的准确性
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了丰富的工具和库，用于构建和训练各种机器学习模型。MNIST是一个经典的手写数字识别数据集，常用于机器学习的入门和测试。
TensorFlow MNIST是指使用TensorFlow框架对MNIST数据集进行训练和测试的过程。具体而言，它是一个用于训练和测试手写数字识别模型的示例代码。通过使用MNIST数据集，可以评估模型在图像分类任务上的准确性。
在TensorFlow MNIST中，通常会使用卷积神经网络（Convolutional Neural Network，CNN）作为模型架构。CNN是一种专门用于处理图像数据的神经网络结构，它能够自动提取图像中的特征，并进行分类。
TensorFlow提供了一系列的API和工具，用于加载MNIST数据集、构建CNN模型、进行训练和测试。通过使用这些API和工具，开发者可以快速搭建一个手写数字识别系统，并评估其准确性。
TensorFlow MNIST的应用场景非常广泛。手写数字识别是计算机视觉领域的一个重要任务，它可以应用于自动化识别、验证码识别、手写输入识别等场景。此外，TensorFlow MNIST还可以作为学习和研究机器学习的入门案例，帮助初学者理解和掌握机器学习的基本概念和方法。
腾讯云提供了一系列与TensorFlow相关的产品和服务，用于支持机器学习和深度学习任务。以下是一些推荐的腾讯云产品和产品介绍链接地址：
- 腾讯云AI引擎：https://cloud.tencent.com/product/aiengine 腾讯云AI引擎是一款全面的人工智能服务平台，提供了丰富的机器学习和深度学习工具，包括TensorFlow。
- 腾讯云GPU服务器：https://cloud.tencent.com/product/cvm/gpu 腾讯云GPU服务器提供了强大的计算能力，适用于训练和推理深度学习模型，包括TensorFlow MNIST。
- 腾讯云容器服务：https://cloud.tencent.com/product/ccs 腾讯云容器服务提供了便捷的容器部署和管理平台，可以用于部署和运行TensorFlow MNIST模型。
以上是关于TensorFlow MNIST的概念、分类、优势、应用场景以及腾讯云相关产品和产品介绍链接的完善且全面的答案。
相关·内容
1回答
我对神经网络很陌生。我已经通过了TensorFlow mninst初学者
使用tensorflow基本mnist教程
并尝试利用外部图像进行预测，在此输入图像描述。
我已经更新了tensorflow提供的mnist示例。
On top of that i have added few things :
1. Saving trained models locally
2. loading the saved models.
3. preprocessing the image into 28 * 28.
i have attached the image for reference
1.
浏览 2提问于2016-04-29得票数 2
我跟踪了医生然后是
推理错误率: 10.4%
新安装发布版本的TensorFlow服务会在提供的示例模型上提供10%的错误率吗？
我的环境：
AWS EC2
OS: Amazon Linux AMI release 2018.03
Instance Type: r5.large
复制步骤：
# download tensorflow serving code
git clone https://github.com/tensorflow/serving
cd serving
# build optimized serving binary
docker build --pull -t
浏览 1提问于2019-09-16得票数 1
回答已采纳
MNIST集由用于训练集的60,000幅图像组成。在训练我的Tensorflow的时候，我想运行训练步骤来训练整个训练集的模型。Tensorflow网站上的深度学习示例使用了20,000次迭代，批处理大小为50次(共计1,000,000批)。当我尝试超过30,000次迭代时，我的数字预测失败(对所有手写数字预测为0)。我的问题是，如果批量大小为50，我应该使用多少次迭代来训练整个MNIST集的tensorflow模型？
self.mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
for i in rang
浏览 8提问于2016-08-11得票数 5
回答已采纳
1回答
我使用TensorFlow和mnist数据集实现了一个逻辑回归模型。我知道如何使用下面的代码获得学习算法的总精度……
correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({x: mnist.test.images, y: mnist.test.labels}))
这个打印效果很好，打印准确率为91%
浏览 6提问于2017-03-16得票数 0
回答已采纳
1回答
我对TensorFlow和Python非常陌生。我有一个数据集，与MNIST数据集(28 * 28图像)非常相似。我已经关注了很多关于如何使用tensorflow实现基本神经网络的在线教程，并发现大多数都只是使用：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot = True)
有没有一种方法可以让我使用自己的类似MNIST的数据而不是从tensorflow导入它？此外，我还能对类似MNIST的数据
浏览 0提问于2017-11-30得票数 0
我正在学习TensorFlow并尝试将其应用于MNIST数据库，并且惊讶地看到，在第二个时代(屏幕截图中的e1)，整个测试集的准确率从e0期间的9.4% (在任何体重和偏差更新之前)达到95%！
准确性会有这么大的提高吗？
代码：
批次大小: 100
历代: 10000
5层网络(4隐藏，1输出；200 / 100 / 60 / 30 neirons)
lr = 0.001
AdamOptimizer
relu & softmax活动鼓掌功能
考虑批次大小为100 & mnist训练样本#= 55000。在e1之前肯定有550个更新。
浏览 5提问于2017-11-28得票数 1
我很难恢复一个保存下来的模型。我正在MNIST数据集上训练CNN，所有这些都是根据MNIST关于的教程进行的，我正在用以下代码保存我的模型：
saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)
这将创建以下文件：
Tensorflow_MNIST-1000数据-00000-00001
Tensorflow_MNIST-1000指数
Tensorflow_MNIST-1000元
检查点
稍后，我希望加载该模型并继续使用以下内容进行培训：
with tf.Session() as ses
浏览 0提问于2017-05-10得票数 2
我是tensorflow的新手。我用MNIST的训练数据训练了数字预测模型。然后我用我自己的形象来测试模型。它无法预测实际结果。
问题是：
MNIST的图像需要黑白
图像是标准化的大小，以适应20x20像素盒和有中心在28x28图像使用质心。
我不想使用OpenCV
问题是如何将我自己的手写数字图像转移到28x28图像的中心。自己的图像可以是任何颜色，而该图像可以改变黑白MNIST的图像
浏览 4提问于2016-03-07得票数 8
我正在尝试在Tensorflow上实现一个卷积神经网络，使用他们默认的MNIST数据集。
from __future__ import print_function
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def compute_accuracy(v_xs, v_ys):
global prediction
y_
浏览 0提问于2016-12-24得票数 8
回答已采纳
3回答
这个tensorflow 中的代码使用代码的这一部分来计算验证的准确性，对吗？
eval_input_fn = tf.estimator.inputs.numpy_input_fn(
x={"x": eval_data},
y=eval_labels,
num_epochs=1,
shuffle=False)
eval_results = mnist_classifier.evaluate(input_fn=eval_input_fn)
print(eval_results)
问题：--如果我必须计算训练集的准确性--即看
浏览 2提问于2018-06-12得票数 0
回答已采纳
1回答
在过去的几天里，我和TensorFlow度过了一段非常奇怪的时光，我想不出到底出了什么问题。
我已经建立了这个网络：。它是TensorFlow的MNIST示例的副本。
基本上，我所做的就是将网络从28x28x1图像(MNIST灰度)转变为600x800x1图像(有些图像是我自己拍摄的，背景相对干净，在不同位置有一个物体)。
我想做的就是和这样的CNN一起玩，让它输出图像中物体的x位置。所以只有一个输出神经元。
然而，不管我尝试了什么，网络总是输出1.0。甚至(当您在代码末尾查看我的测试部分时)，当我将所有1、所有零或所有随机数输入网络时。
当然，由于我只有21个标记的训练和7个标记的测试图片，
浏览 2提问于2016-01-19得票数 5
回答已采纳
2回答
我试着用输入图像测试我训练过的模型来预测，但总是不准确。 from __future__ import absolute_import, division, print_function
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf
浏览 62提问于2019-07-03得票数 0
1回答
有什么不同吗？
、、
我有两段使用tensorflow编写的代码。一个是这样的： import tensorflow as tf
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
if(logs.get('accuracy')>0.99):
print("\nReached 99% accuracy so cancelling training!")
self.model.stop_training =
浏览 16提问于2021-01-23得票数 0
1回答
分配张量时的OOM
、、、、
如何解决ResourceExhaustedError: OOM在分配张量时的问题？
ResourceExhaustedError (回溯见上文)：在分配张量时使用shape10000,32,28,28
我几乎包括了所有的代码
learning_rate = 0.0001
epochs = 10
batch_size = 50
# declare the training data placeholders
# input x - for 28 x 28 pixels = 784 - this is the flattened image data that is drawn from
浏览 3提问于2017-10-02得票数 0
尝试通过教程开始学习tensorflow。从第一个开始(当然)，由于某种原因，当我尝试学习模型时，它显示的损失数在10到12之间，精度为0.2和0.3，但是在教程中，数字是非常不同的。在安装tensorflow之前，当我试图让gpu使用它时，我遇到了一些问题，但是我只得到了错误，所以我只在cpu支持下重新安装它(包archlinux)。但我也得到了2019-02-22 19:18:02.042566: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this Ten
浏览 1提问于2019-02-22得票数 0
回答已采纳
2回答
我使用8层完全连接的神经网络(tensorflow)训练MNIST，得到了如下结果。我能知道为什么测试损失在20年代之后增加了吗？这是因为过度适应吗？这些是网络配置：
L1: 1600 neurons
L2: 800 neurons
L3: 400 neurons
L4: 200 neurons
L5: 100 neurons
L6: 60 neurons
L7: 30 neurons
L8: 10 neurons
Optimizer: Adam (learning_rate = 0.001)
activation function: Relu
batch size: 64
dropout r
浏览 1提问于2018-03-27得票数 0
回答已采纳
我为MNIST数据集创建了两个相同的神经网络，一个使用TensorFlow，另一个使用Keras。在10个时期，Keras实现了超过96%的性能，而TensorFlow实现了大约70%的性能。
我还在其他数据集上测试了下面的代码，在直接参数比较中，TensorFlow在所有这些数据集上的性能都要低得多。
Keras代码：
import warnings
warnings.filterwarnings('ignore')
import keras
from keras.datasets import mnist
# Loading MNIST
(x_train, y_train
浏览 0提问于2019-11-23得票数 1
我是tensorflow和python的新手。我修改了一个样本tensorflow代码，增加了50个单元的一个隐藏层，但是精度结果却是错误的，不管模型做了多少次训练，它都没有改变。我找不到密码有任何问题。数据集为MNIST：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data", one_hot = True)
batch_size = 100
n_batch = mni
浏览 2提问于2018-06-01得票数 0
回答已采纳
我正在学习使用TensorFlow创建一个学习模型。
我已经成功运行了MNIST教程，现在想用自己的图片测试模型。它们是相同大小的图像(224x224)，并分类为文件夹。
现在，我想使用这些图像作为我的模型的输入，如MNIST示例中所示。我试图打开MNIST数据集，但它是不可读的。我想它已经被转换成一些二进制类型了。通过这个例子，我认为MNIST数据集有这样一个结构：
马恩斯特
测试
图片
标签
火车
图片
浏览 8提问于2016-07-11得票数 1
回答已采纳
1回答
整形不需要显示mnist图像？
、、、、
如果我想显示mnist数据集中的一幅图像，需要使用以下代码将其从(1,28,28)重新塑造为(28,28)：
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
sample = x_train[:1].reshape((28,28))
plt.imsho
浏览 8提问于2022-11-15得票数 0
回答已采纳
我想加载一个预先训练的模型，并开始测试图像。
这是我认为能起作用的代码：
from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K
base_model = InceptionV3(weights='imagenet'
浏览 0提问于2019-06-09得票数 2
回答已采纳
我正在分析。当我从tensorflow.examples.tutorials.mnist中使用tensorflow.examples.tutorials.mnist时，如中所示
self.x_train = input_data.read_data_sets("mnist",\
one_hot=True).train.images
我取得了相当好的结果：
不过，当我使用来自mnist的keras.datasets和144行时，如下所示：
(xtr, ytr), (xte, yte) = mnist.load_data();
self.x_train =
浏览 0提问于2018-12-31得票数 1
回答已采纳
1回答
我正在创建一个机器学习模型来对数字图像进行分类。我使用Tensorflow和Keras使用内置的tf.keras.datasets.mnist数据集对模型进行了培训。该模型可以很好地处理来自mnist数据集本身的测试映像，但我想为它提供自己的映像。我提供给这个模型的图像是从Captcha中提取出来的，因此它们将遵循类似的模式。我已经在公共谷歌驱动器文件夹中提供了一些图片示例。当我输入这些图像时，我注意到模型不是很精确，我对原因有一些猜测。
图像的背景在图像中产生了太多的噪音。
数字没有居中。
该图像在MNIST训练集(黑色背景白色文本)的颜色格式中并不严格。
我想问的是，我
浏览 0提问于2019-07-12得票数 1
回答已采纳
1回答
我有500张未标记的RGB彩色图像集(200x300像素)，用于无监督学习(CNN，GAN，自动编码器)。我想将我的图像集导入到tensorflow，而不是MNIST示例。是否需要将它们转换为CSV文件？
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("./", one_hot=True)
浏览 3提问于2018-08-13得票数 1
我正在做mnist教程，当我试图像这样打开fully_connected_feed.py时，TensorBoard工作并将trying s.out.tfEvs.1447186888文件保存到~..\TensorBoard中。
python ~/tensorflow/tensorflow/tensorboard/tensorboard.py --logdir=~/tensorflow/tensorflow/g3doc/tutorials/mnist/data
或者像这样
tensorboard --logdir=~/tensorflow/tensorflow/g3doc/tutorials/m
浏览 1提问于2015-11-10得票数 7
回答已采纳
1回答
我正在尝试完成来自的MNIST教程，我有2gb的geforce 760 run，每次都会耗尽内存。我试图在脚本末尾的代码行中减少批处理大小：
for i in range(20000):
batch = mnist.train.next_batch(5)
if i%100 == 0:
train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print("step %d, training accuracy %g"%(i, train_accurac
浏览 3提问于2016-11-29得票数 3
回答已采纳
我正在学习Tensorflow，并希望使用next_batch作为时尚-MNIST数据集。但我遇到了一个问题，因为Fashion-MNIST的数据集的格式与MNIST数据的格式不同。
对于常规的MNIST，我们可以使用以下代码导入数据：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data as ip
mnist = ip.read_data_sets("MNIST_data/", one_hot=True)
但是Tensorflow的教程(网址：)，像这样导入时尚
浏览 0提问于2019-03-04得票数 0
为了计算MNIST学习任务的精度，我通常使用这个公式(下图中的灰度线)。
correct_pred = tf.equal(tf.argmax(self.target_placeholder, 1), tf.argmax(prediction, 1))
self.accuracy = tf.reduce_mean(tf.to_float(correct_pred))
今天，我确实看到了这方面有一个tensorflow度量(下图中的橙色线)。
_, self.accuracy = tf.metrics.accuracy(tf.argmax(self.target_placeholder, 1),
浏览 0提问于2018-06-20得票数 0
回答已采纳
这是sentdex教程中的代码:如何将MNIST集的数据传输到占位符x中。
请帮助我，考虑到我只是一个入门的tensorflow，如果它与占位符有关，那么请解释。
提前感谢！
"""
os.environ removes the warning
"""
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
"""
tensorflow starts below
"""
import tensorflow as tf
浏览 2提问于2017-07-06得票数 1
回答已采纳
1回答
我试着训练一个生成性的对抗性网络。为了训练网络，我使用mnist数据集。我将用连接测试和图像训练来训练网络。
import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist=input_data.read_data_sets("data/mnist",one_hot=False)
images=np.concatenate(mnist.test.images,mnist.train.images)
运行代码时发生了错误。
---
浏览 1提问于2019-08-26得票数 1
回答已采纳
我试图用.imwrite测试openCV的一个MNIST图像，但它显示的只是一个黑色的方块。我不明白为什么！！
import keras
import numpy as np
import mnist
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.utils import to_categorical
import cv2
train_images = mnist.tra
浏览 2提问于2020-08-12得票数 0
回答已采纳
3回答
参考多个gpu的演示，我尝试为MNIST CNN分类器编写一个多gpu(多塔风格)代码。但是，它给了我一个非常低的准确性，也没有提高速度。(对我来说，在多个GPU上运行是必须的)。
感谢任何帮助找出低准确率的根本原因。下面是tensorboard的代码和快照。提前谢谢。
from __future__ import print_function
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import datetime
import time
import numpy as
浏览 4提问于2018-06-22得票数 1
1回答
我想看看用于机器学习的MNIST数据集。在Tensorflow中，MNIST数据集可以用
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
full_data_x = mnist.train.images
然而，当我试图可视化一个80x80数组的数据时，我会使用
test_x, test_y = mnist.test.images, mnist.test.labels
plt.gray()
plt.imshow(1-test_x[80:160,80:160])
看起来真的很奇怪：
我如何提取实际
浏览 2提问于2018-10-23得票数 0
回答已采纳
2回答
我有一个代码来训练MNIST数据集来处理街景门牌号项目，但是当我运行代码时，acc = 0,1
导入库和模块
import numpy as np
np.random.seed(123) # for reproducibility
from keras import backend as K
K.set_image_dim_ordering('th')
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Fl
浏览 1提问于2019-05-09得票数 0
这是我正在运行的示例MNIST代码：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None,
浏览 3提问于2016-08-22得票数 19
回答已采纳
我正在学习tensorflow，深入学习和实验各种激活函数。
我为MNIST问题创建了一个多层FFNN。主要是基于官方的tensorflow网站的教程，除了3个隐藏层被添加。
我实验过的激活函数是：tf.sigmoid，tf.nn.tanh，tf.nn.softsign，tf.nn.softmax，tf.nn.relu。只有tf.nn.relu不收敛，网络输出随机噪声(测试精度约为10%)。以下是我的源代码：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = in
浏览 4提问于2017-11-11得票数 0
回答已采纳
我已经修改了用于图像分类的CNN tensorflow模型，以包括更多的卷积层。它很好用。我希望使用TensorBoard每50步记录一次模型的准确性。我一直在尝试添加FileWriter，但没有运气。你能帮我一下我该怎么做吗？
谢谢，这是我的代码：
"""Convolutional Neural Network Estimator for MNIST, built with tf.layers."""
import numpy as np
import tensorflow as tf
tf.logging.set_verbosity(tf.l
浏览 0提问于2018-05-10得票数 1
回答已采纳
我已经学习了tensorflow2教程，但是现在我想使用模型来预测图像。
我的代码：
import tensorflow
import tensorflow_datasets
import matplotlib.pyplot as plot
import numpy
def normalize_img(img, label):
return tensorflow.cast(img, tensorflow.float32) / 255., label
(mnist_train, mnist_raw), mnist_info = tensorflow_datasets.load(
浏览 6提问于2022-05-15得票数 0
回答已采纳
使用Tensorflow - dataset，我将MNIST数据集集成到Tensorflow中，现在希望使用Matplotlib可视化单个图像。我是按照这个指南做的：
不幸的是，我在执行过程中收到了一条错误消息。但在“指南”中效果很好。
根据指南，您必须使用new ()函数创建一个只有一个图像的新数据集。然后在指南中访问这些特性。在我的尝试中，我总是收到一条错误消息。
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
impo
浏览 0提问于2019-06-25得票数 3
回答已采纳
众所周知的fashion_MNIST数据集，用于深层精益/计算机视觉，是灰度图像的集合。
这个数据集已经在keras 中可用了。
但是，当我在Tensorflow Keras API中加载数据集并试图打印一些图像时。我得到了彩色图像。我想知道为什么？有谁能解释一下。这是我的密码：
import tensorflow as tf
mnist = tf.keras.datasets.fashion_mnist
(training_images, training_labels), (test_images, test_labels) = mnist.load_data()
import matp
浏览 0提问于2019-09-15得票数 3
回答已采纳
1回答
我正在关注一个关于TensorFlow生成对抗网络的教程。本教程使用MNIST数据集来训练模型。我希望减小输入的大小，以便我的程序运行得更快，但是不知道如何获得我正在使用的MNIST数据集的子集。下面是我用来提取数据集的代码：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/")
浏览 10提问于2017-06-19得票数 0
1回答
错误总是说：
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz 16384/11490434 [..............................] - ETA: 10s
并且一直这样做，我编写的代码如下：
import tensorflow as tf
(x_train, y_train), (x_test, y_test)= tf.datasets.mnist.load_data()
print(x_train[0])
我正在尝试使用这个命令打
浏览 7提问于2021-11-02得票数 0
如何将图像矢量化、整形和规范化，使其与mnist.train.images中某一图像的大小矢量相同？到目前为止，我已经尝试了以下几种方法，但都没有成功：
import os
import re
import numpy as np
import tensorflow as tf
from tensorflow.python.framework import ops
import os,sys
#import Image
from PIL import Image
from tensorflow.contrib.learn.python.learn.datasets.mnist import r
浏览 1提问于2017-07-23得票数 1
回答已采纳
2回答
我在学TF。从mnist数据集开始。我有10.000张28*28像素的图像。如果我把它作为形状输入
from tensorflow import keras
from tensorflow.keras.datasets import mnist
from matplotlib import pyplot
from tensorflow.keras import layers
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
inputs = keras.Input(shape=(28, 28))
浏览 4提问于2020-11-16得票数 0
回答已采纳
我正在尝试对一系列像这样的图像进行分类，每一类图像都是从相似的细胞结构中获取的：
为此，我在Keras中构建了一个简单的网络，结构如下：
1000 - 10
未改变的网络在MNIST分类上实现了非常高的准确率(>90%)，但在这些类型的图像上几乎从未超过5%。这是因为它们太复杂了吗？我的下一个方法是尝试堆叠式深度自动编码器。
浏览 3提问于2016-04-17得票数 6
1回答
我试图为MNIST数据创建一个简单的线性分类器，但我无法让我的损失下降。有什么问题吗？这是我的代码：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
class LinearClassifier(object):
def __init__(self):
print("LinearClassifier loading MNIST")
self._mnist = input_data.read_data_sets("
浏览 3提问于2017-05-07得票数 1
回答已采纳
我正在尝试运行tensorflow示例。
下面是我的设置：
Ubuntu 16.04
cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
cudnn-8.0-linux-x64-v5.0-ga.tgz
我试着运行这个：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
a = tf.constant(10)
b = tf.constant(32)
print(s
浏览 1提问于2016-11-15得票数 1
1回答
在参考了Martin Gorner的视频之后，我正在尝试使用TF建立一个深度网络。我在浅层网络示例中取得了一些成功；然而，由于某些原因，深层网络的准确性在达到98%左右的准确率后开始崩溃。
所实现的网络使用五层网络来识别MNIST数字字符。我正在训练10000次迭代的100个批次。准确率稳步提高，直到达到98%左右，然后完全崩溃到9.8%。
有什么想法吗？
"""Tensor flow character recognition of Numerals"""
import tensorflow as tf
from tensorflow.exa
浏览 0提问于2017-10-04得票数 0
2回答
我想构建一个多数字分类器
、、、
我已经使用tensorflow构建了一个mnist-digit分类器。现在我想使用上面训练的模型对图像中的多个数字进行分类。我该怎么做呢？
浏览 0提问于2019-04-04得票数 0
我是 tensorflow的新手，我寻找了使用tensorflow实现多层感知器的例子，但我只在MNIST图像数据集上获得了示例，除了MNIST之外，还可以使用相同的优化和成本函数来建立神经网络模型，并对数字格式的数据( Means )进行训练，我可以使用tensorflow来训练自己的数据集。
有训练新数据集的例子吗？。
浏览 3提问于2018-01-17得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
