基于LSTM实现mnist手写数字识别_mnist lstm

首先读取数据，数据源是mnist库，可以通过input_data中read_data函数直接读取数据，数据图像为28*28。

#导入库
import tensorflow as tf
#下载数据对应的库
import input_data
import numpy as np
import matplotlib.pyplot as plt
print ("Packages imported")
 
#导入mnist数据
mnist = input_data.read_data_sets("data/", one_hot=True)#one_hot=True 表示 数据的标签是one_hot编码的，即数据标签为1*10的数组
#读取训练数据，训练标签，测试数据，测试标签
trainimgs, trainlabels, testimgs, testlabels \
 = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labels 
#获取训练数据个数，测试集数据个数，图像维度和类别数
ntrain, ntest, dim, nclasses \
 = trainimgs.shape[0], testimgs.shape[0], trainimgs.shape[1], trainlabels.shape[1]
print ("MNIST loaded")

读取数据后设置参数。本次使用LSTM作为训练模型，因此需要搭建LSTM，因图像为28*28，所以将每一行图像作为一次输入，这样每一次训练，LSTM需要运算28次，设置隐层为128，所以从输入到隐层的全连接参数为28*128个，经过运算后输出与隐层全连接参数为128*10