摘要：
1、数据集生成读取文件（mnist_generateds.py） tfrecords 文件 1）tfrecords：是一种二进制文件，可先将图片和标签制作成该格式的文件。使用 tfrecords 进行数据读取，会提高内存利用率。 2）tf.train.Example: 用来存储训练数据。训练数据的特 阅读全文
摘要：
数据集地址： 测试集地址： 代码如下： forward.py mnist_backward.py mnist_generateds.py test.py mnist_app.py 在视频中mnist_generateds.py中，加上.data的路径；如果不加会报错； 结果： 会发现对于视频中老师的 阅读全文
摘要：
在自定义数据集中： 从上述代码可以看出，tf.train.Example中包含了属性名称到取值的字典，其中属性名称为字符串，属性的取值可以为字符串（BytesList）、实数列表（FloatList）或者整数列表（Int64List）。 一般tf.train.Int64List tf.train.F 阅读全文
摘要：
前面主要实现了手写数字输出识别结果，下面谈谈对其的理解； 在反向传播backward函数中，读入mnist函数集 其余步骤与mnist手写数字识别准确率一致 最重要步骤：mnista_app.py中 任务分成两个函数完成 1）testPicArr = pre_pic(testPic)对手写数字图片做 阅读全文
摘要：
前面学习里了mnist 数据集的识别源码解析，从已有的数据集中判别对应的结果。 那如果想输入一个数字图片，就能得到相应的结果，并判别对应的结果该如何做呢？ 首先，我们看一看实现原理： 网络输入：1*784个像素点；像素点：0~1之间的浮点数（接近0越黑，接近1越白） 网络输出：一维数组（十个可能性概 阅读全文