知识卡片
MNIST分类模型的端到端步骤
书中例子把每幅 28×28 灰度图展开成 784 维输入,用 10 维独热向量表示标签;输入批次乘以 784×10 权重矩阵,加偏置得到类别分数。训练时对训练小批次计算交叉熵并更新参数,最终在独立测试集上比较预测与标签索引得到准确率。示例加载器将原训练集拆成训练和验证部分,具体切分由加载器决定;展平保留像素值但不再显式表达二维邻接结构。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 一骑红尘江湖笑,TensorFlow谷歌造 11.6 手写数字识别 MNIST · 查看原书依据
通过降维,把一个二维的图片拉成了一个包含28×28=784个特征的一维向量
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第11章《一骑红尘江湖笑,TensorFlow谷歌造》,11.6 手写数字识别 MNIST(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter16_0006.xhtml#txt011_30)
- 结论依据:原文模型、公式和代码;对书中不准确之处已按公式限定。
- 原始内容:通过降维,把一个二维的图片拉成了一个包含28×28=784个特征的一维向量