TensorFlow实现MNIST的demo - Logistic Regression,MLP,CNN

源码下载：https://github.com/wchyan/ailearning

在tensorflow学习中，MNIST数据集是入门级的数据集。在各种教材中，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，导致该包在不同的版本上不能运行。在学习过程中，将MNIST的数据处理独立出来，可以更加详细的了解数据的加载处理过程，并加上了Logistic Regression, MLP和CNN的练习例子，源码在github上下载。

• 数据：mnist_dataset.py可以自行下载，也可在 http://yann.lecun.com/exdb/mnist/ 下载，在使用中指定目录即可
• 在Logistic Regression, MLP及 CNN对比中，从精度可以看出CNN的威力，同样训练次数，CNN的精度可以达到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