MNIST手写数字分类：像素归一化后精度骤降的原因及修复
在使用TensorFlow进行MNIST手写数字分类时，许多开发者遇到一个难题：对图像进行像素归一化处理后，模型训练精度异常低下。本文将深入分析此问题，并提供有效的解决方案。
问题描述：
一个简单的TensorFlow线性模型用于MNIST数据集分类。对图像像素进行归一化（除以255.0）后，训练精度极低，接近随机猜测。
代码片段（问题代码）：
# ... (导入包和超参数设置) ...# ... (下载数据集并归一化) ...train_img /= 255.0test_img /= 255.0# ... (定义占位符和变量) ...y_pred = tf.nn.softmax(tf.matmul(x, w) + b) # 问题所在# ... (定义损失函数、优化器和准确率) ...# ... (训练过程) ...
登录后复制
本文来自互联网或AI生成，不代表软件指南立场。本站不负任何法律责任。
