Tensorflow-递归神经网络RNN之LSTM图片分类_lstm用于图像分类

深度学习框架Tensorflow学习与应用实战 

#LSTM主要用于语音、文本序列化的问题，但同样可以用于图片分类
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
 
#载入数据集
mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)
 
#输入图片是28*28
n_inputs=28#输入一行，一行有28个数据
max_time=28#一共28行
lstm_size=100#隐藏单元
n_classes=10#10个分类
batch_size=50#每批次50个样本
n_batch=mnist.train.num_examples//batch_size#计算一共多少个批次
 
#这里的none表示一个维度可以是任一长度
x=tf.placeholder(tf.float32,[None,784])
#标签
y=tf.placeholder(tf.float32,[None,10])
 
#初始化权值
weights=tf.Variable(tf.truncated_normal([lstm_size,n_classes],stddev=0.1))
#初始化偏置值
biases=tf.Variable(tf.constant(0.1,shape=[n_classes]))
 
#定义RNN网络
def RNN(X,weights,biases):
    #input=[batch_size,max_time,n_inputs]
    inputs=tf.reshape(X,[-1,max_time,n_inputs])
    #定义LSTM基本CELL
    #lstm_cell=tf.contrib.