大家好,在这一篇文章中,我们将做以下的三件事:
1:介绍mnist数据集的使用
2:创建模型,并且保存模型
3:在测试集中使用保存的模型进行检测
一:介绍mnist数据集的使用
对于mnist数据集,...如图下所示:
二:创建模型,并且保存模型
在这个例子中,我们也是有三个过程,一个是前向传播,另外一个是反向传播,在反向传播中我们要用到正则化,指数衰减学习,滑动平均方法的设置,最后一个就是测试模块....接着实例化 saver 对象,其中利用 tf.initialize _all_variables().run()函数实例化所有参数模型,利用 sess.run( )函数实现模型的训练优化过程,并每间隔一定轮数保存一次模型...现在我们创建mnist_backward的py文件:
参照上述的代码文件,我们来说说如何在TensorFlow中使用正则化,指数衰减率和滑动平均.
①:正则化
在上文中提到过,我们在forward.py...中设置了正则化,这表明在反向传播中我们\优化模型参数是,需要在损失函数中加入正则化:
结构如下:
首先在forward.py中提前声明:
if regularizer !