tensorflow介绍_机器学习100天-Day2202 人工神经网络介绍（Tensorflow搭建DNN）

说明：本文依据《Sklearn 与 TensorFlow 机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。

进入第二部分深度学习

第十章人工神经网络介绍

人工神经网络是深度学习的核心。具有通用性、强大性和可扩展性，使得它们能够很好地解决大型和高度复杂的机器学习任务。

在本章中，介绍人工神经网络，从快速游览的第一个ANN架构开始。然后提出多层感知器(MLP)，并基于TensorFlow实现MNIST数字分类问题。

4.用 TensorFlow 高级 API 训练 MLP

Tensorflow高级API TF.learn，与Sklearn相似，教程在这里使用DNNClassifier构建了一个深度神经网络。

输出层使用softmax输出概率。

使用的数据集是mnist，但是这里不推荐使用tf.examples.tutorials.mnist，教程改用tf.keras.datasets.mnist。

另外，tf.contrib.learn改进为tf.estimators 和 tf.feature_columns，并且改进不小。

运行结果来看，正确率为98%，测试一下，和之前一样，会对10个数值进行预测。

import tensorflow as tfimport numpy as npimport osfrom sklearn.metrics import accuracy_scorefrom tensorflow.examples.tutorials.mnist import input_data### tensorflow警告记录，可以避免在运行文件时出现红色警告os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'old_v = tf.logging.get_verbosity()tf.logging.set_verbosity(tf.logging.ERROR)(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()# mnist = input_data.read_data_sets(".MNIST_data/