Tensorflow 練習2: CNN

TensorFlow 練習：用卷積神經網路 CNN 辨識 MNIST 手寫數字，實作兩層 convolution + max pooling + dropout 架構，準確率達 97%~99%。

2017-05-07 · 1 min · 25 words · KbWen

Table of Contents

利用CNN 來預測數字(MNIST)

輸入圖形是一個28*28 灰階0~~9的數字輸出是一個1*10的矩陣，裡面代表的是我們預測0~~9的數字流程是輸入–convolution–pooling–convolution–pooling–hidden layer–output

用到[None,xx,xx]和[-1,XX,xx]，代表著我們忽略輸入的大小，他會跟隨著輸入改變

max pooling 是表示我們選擇的是那個kernel size裡的最大值並且也加入dropout 避免overfitting 詳細分析參照 Tensorflow

結果

上圖是沒有dropout下圖是有dropout 就這個例子而言差別不大，但還是看的出來上面的訓練會比測試好 tf.cnn1 準確率落在97%~99%之間(1000次訓練) (用GradientDescent，其他的應該會更好) 代碼 My GitHub