matlab编写识别手写数字_深度学习-卷积神经网络-实例及代码1（入门）—利用Tensorflow和mnist数据集手写数字识别...

本文利用Tensorflow和mnist数据集训练单层前馈神经网络/感知机模型，损失函数使用交叉熵，训练方法采用梯度下降，完成本文的实例需要的基础知识：

1、机器学习-前馈神经网络/感知机的基本原理

2、Tensorflow机器学习基本操作

下面介绍实例实现的主要步骤

1、下载数据集，mnist数据集，可以直接去Lecun官网下载

mnist数据集介绍可以参考这篇文章：MNIST数据集下载及可视化

2、获取mnist数据集操作的python包，github上有

Github地址：tensorfow操作mnist数据集python包-Github

3、编写代码，包括模型、训练和评估，利用训练集训练网络模型，利用测试集测试结果

具体代码项目Github地址（如果对你有所帮助，欢迎关注点赞~）：

https://github.com/firemonkeygit/DeepLearningTensorflowMNIST​github.com

经过调试可用，注意导入操作mnist数据集的python包和配置正确的数据集路径：

代码执行结果：loss is: 3142.896240234375，acc is:0.9110999703407288

主要源代码文件及分析详见

深度学习-卷积神经网络-实例及代码1（入门）-利用Tensorflow和mnist数据集训练单层前馈神经网络/感知机实现手写数字识别_firemonkeycs的专栏-CSDN博客_手动实现前馈神经网络解决mnist手写体数据集​blog.csdn.net

【码字不易，如果对你有帮助欢迎关注点赞】