上篇简单的Tensorflow解决MNIST手写体数字识别可扩展性并不好。例如计算前向传播的函数需要将所有的变量都传入，当神经网络的结构变得复杂、参数更多时，程序的可读性变得非常差。而且这种方式会导致程序中有大量的冗余代码。还有就是由于没有持久化训练好的模型。当程序退出时，训练好的模型就无法再使用了，这导致得到的模型无法被重用更严重的是神经网络模型的训练时间都比较长，如果在训练程序中程序死机了，那样没有保存训练好的中间结果会浪费大量的时间和资源。所以，在训练过程中需要每隔一段时间保存一次模型训练的中间结果。可扩展性并不好。例如计算前向
阅读背景：
Tensorflow 改进的MNIST手写体数字识别
来源：互联网
分享到：
