双层神经网络效果对比-CSDN博客

本文链接：https://blog.csdn.net/u013539952/article/details/82993391

本文通过示例展示了双层神经网络相比于单层神经网络在性能上的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#Mnist数据集 属性已经写好 可以直接调用
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
 
#one_hot=True 表示对label进行one-hot编码，比如标签4可表示为[0,0,0,0,1,0,0,0,0,0,0]
mnist = input_data.read_data_sets('data/',one_hot=True)
numClass = 10
inputSize = 784
numHiddenUnits = 50  			#隐藏层50个单元
trainingIterations = 10000
batchSize = 100			#每次训练在训练集中取batchsize个样本训练
			
#加了一个隐层
numHiddenUnitsLayer2 = 100
trainingIterations = 10000

X = tf.placeholder(tf.float32,shape = [None,inputSize])
y = tf.placeholder(tf.float32,shape = [None,numClass])

#参数初始化
W1 = tf.Variable(tf.truncated_normal([inputSize,numHiddenUnits],stddev=0.1))
B1 = tf.Variable(tf.constant(0.1),[numHiddenUnits])
W2 = tf.Variable(tf.truncated_normal([numHiddenUnits,numHiddenUnitsLayer2],stddev=0.1))
B2 = tf.Variable(tf.constant(0.1),[numHiddenUnitsLayer2])
W3 = tf.Variable(tf.truncated_normal([numHiddenUnitsLayer2,numClass],stddev=0.1))
B3 = tf.Variable(tf.constant(0.1),[numHidde

双层简单神经网络demo