在本教程中,我们将学习TensorFlow模型的基本构建模块,同时构建深度卷积MNIST分类器。 本介绍假定您熟悉神经网络和MNIST数据集。如果你没有他们的背景,请查看初学者的介绍。
就像编程有HelloWorld一样,机器学习有MNIST。 MNIST是一个简单的计算机视觉数据集。它由这些手写数字的图像组成: [图片] 它还包含每张图片的标签,告诉我们它是哪个数字。
我们提供了三个指南,分别展示了在TensorFlow上培训MNIST模型的不同方法: 针对MN初学者的MNIST,通过由高级API介绍的MNIST。
我们将使用MNIST数据集。本教程由以下步骤组成: 加载并准备MNIST数据以进行分类。 构建一个简单的线性模型,对其进行训练,并在eval数据上进行评估。
下面的代码示例是简单MNIST教程修改版的训练和测试部分的片段,其中我们记录了摘要和运行时统计信息。有关如何记录摘要的详细信息,请参阅摘要教程。完整的源代码在这里。
步骤#1:准备示例脚本 将mnist_softmax_xla.py下载或移动到TensorFlow源代码树之外的文件夹中。
有关如何使用占位符和feeding来为神经网络提供操练数据的示例,请参阅初学者的MNIST教程。 Session.run()和Tensor.eval()之间有什么区别?
要了解有关实施卷积神经网络的更多信息,可以跳到TensorFlow深度卷积网络教程,或者从我们的ML初学者或ML专家的MNIST入门教程开始更加轻松。

扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059
粤公网安备44030502008569号
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号
