前两天，我们已经知道了TensorFlow的安装，以及基础语法，今天我们用这些来实现一个MNIST 也

这里，我们用TensorFlow实现一个3层，即输入层、隐藏层、输出层的神经网络。

引入相关模块 # tensorflow 自带mnist模块from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets(".", one_hot=True, reshape=False)import tensorflow as tf

这里有个one_hot=True，one_hot表示独热编码，可以看下面的图片理解意思：

　　one hot encoding

参数设置 learning_rate = 0.001training_epochs = 20batch_size = 128display_step = 1# 设置日志显示次数用的n_input = 784# 输入的大小n_classes = 10# 最后分成10个类别

learning rate是学习的速度，每次更新参数时的步长（速度），太小会造成学习速度太慢，太大会造成无法拟合的结果。

一个 epoch（代）是指整个数据集正向反向训练一次。

batch size 是一次拿多少数据去训练，具体可以参考What is a batch in TensorFlow? - Stack Overflow。

这里有个奇怪的地方,tf.reshaple()里面有个参数是-1，这里官方文档特别给出了解释:

定义模型

Session

完整代码可以在这里下载。

训练结果

▍需要帮助？联系我们