TensorFlow中不同神经网络模型对MNIST数据集影响研究

龙源期刊网 http://www.qikan.com.cn

TensorFlow中不同神经网络模型对MNIST数据集影响研究

作者：范铭豪

来源：《现代信息科技》2018年第11期

摘 要：在TensorFlow中，神经网络模型对训练数据的效果有很大的影响。在与图像数据相关的模型中有几种训练数据模型：深度神经网络模型、非线性神经网络模型、多层神经网络模型，它们对不同类型的数据集有不同的影响。MNSIT集是神经网络模型性能检验的常用数据集，不同的神经网络模型在数据集上有不同的结果。 关键词：MNIST集；神经网络模型

中图分类号：TP183；TP391.41 文献标识码：A 文章编号：2096-4706（2018）11-0075-03 Research on Influence of Different Neural Network Models on MNIST Data Set in TensorFlow FAN Minghao

（Zhejiang Sci-Tech University，Hangzhou 310018，China）

Abstract：In TensorFlow，neural network model has great influence on the result of training data. In the training related to image data，there are several training data models：deep neural network model，nonlinear neural network model，multi-layer neural network model，they have different influence on different types of data sets. The MNSIT sets is the common data set for neural network model performance checking，and different neural network models have different results on the data set.

Keywords：MNIST sets；neural network model 1 MNIST数据集

在机器学习中，神经网络为了实现某项功能，就必须在已经建立的神经网络中输入大量的数据，使用者的目的不同，输入数据也不尽相同。在关于神经网络的学习中，MNSIT数据集是基本的入门数据集，它是由70000张手写数字的图片封装而来。在MNSIT数据集中它又被分为60000张训练数据集，以及10000张测试数据集。