源碼下載：https://github.com/wchyan/ailearning

在tensorflow學(xué)習(xí)中，MNIST數(shù)據(jù)集是入門級的數(shù)據(jù)集。在各種教材中，都是使用的tensorflow.examples.tutourials.mnist或者其他早期的包。tensoflow的版本更新很快，導(dǎo)致該包在不同的版本上不能運行。在學(xué)習(xí)過程中，將MNIST的數(shù)據(jù)處理獨立出來，可以更加詳細的了解數(shù)據(jù)的加載處理過程，并加上了Logistic Regression, MLP和CNN的練習(xí)例子，源碼在github上下載。

• 數(shù)據(jù)：mnist_dataset.py可以自行下載，也可在 http://yann.lecun.com/exdb/mnist/ 下載，在使用中指定目錄即可
• 在Logistic Regression, MLP及 CNN對比中，從精度可以看出CNN的威力，同樣訓(xùn)練次數(shù)，CNN的精度可以達到99%

$ python logistic_regression.py
Epoch: 0001 cost= 0.6083 accuracy=0.781133
Epoch: 0002 cost= 0.4808 accuracy=0.876433
Epoch: 0003 cost= 0.4314 accuracy=0.888667
Epoch: 0004 cost= 0.4046 accuracy=0.894733
Epoch: 0005 cost= 0.3875 accuracy=0.898317

Logistic Regression

$ python mlp.py
Epoch: 0001 cost= 0.5855 accuracy=0.746833
Epoch: 0002 cost= 0.4982 accuracy=0.864967
Epoch: 0003 cost= 0.4333 accuracy=0.887717
Epoch: 0004 cost= 0.3097 accuracy=0.901783
Epoch: 0005 cost= 0.3945 accuracy=0.909750

MLP

$ python cnn.py
Epoch: 0001 cost= 0.2593 accuracy=0.879617
Epoch: 0002 cost= 0.2437 accuracy=0.968667
Epoch: 0003 cost= 0.2490 accuracy=0.979500
Epoch: 0004 cost= 0.1930 accuracy=0.984783
Epoch: 0005 cost= 0.1982 accuracy=0.988584

CNN