RNN Classifier 循环神经网络

学习资料:

• 代码链接
• 机器学习-简介系列 RNN 简介
• Tensorflow RNN教程

方法介绍 ¶

这次我们用循环神经网络(RNN, Recurrent Neural Networks)进行分类（classification），采用MNIST数据集，主要用到SimpleRNN层。

MNIST里面的图像分辨率是28×28，为了使用RNN，我们将图像理解为序列化数据。 每一行作为一个输入单元，所以输入数据大小INPUT_SIZE = 28； 先是第1行输入，再是第2行，第3行，第4行，...，第28行输入， 这就是一张图片也就是一个序列，所以步长TIME_STEPS = 28。

训练数据要进行归一化处理，因为原始数据是8bit灰度图像所以需要除以255。

搭建模型 ¶

首先添加RNN层，输入为训练数据，输出数据大小由CELL_SIZE定义。

然后添加输出层，激励函数选择softmax

设置优化方法，loss函数和metrics方法之后就可以开始训练了。 每次训练的时候并不是取所有的数据，只是取BATCH_SIZE个序列，或者称为BATCH_SIZE张图片，这样可以大大降低运算时间，提高训练效率。

训练 ¶

输出test上的loss和accuracy结果

有兴趣的话可以修改BATCH_SIZE和CELL_SIZE的值，试试这两个参数对训练时间和精度的影响。