依然是TensorFlow滴内容,一起学习吧!
1.No module named 'tensorflow.examples.tutorials’报错
from tensorflow.examples.tutorials.mnist import input_data
上面代码报错的大部分原因是缺少tutorials文件,有个大神解决的办法很实用,可以下载缺少的文件,大神链接
2.神经网络模型的构建
输入神经元的个数与自变量的个数相同,这里是784个
输出神经元的个数与标签集合元素个数相同,这里是10个,因为只有10个数字
3.激活函数的选择
softmax函数
该函数值在0-1之间,累加和为1,满足分布函数的要求
4.交叉熵验证
也作损失函数,该函数值越小越好,其中y的导数代表的是真实值,对预测值取对数并对应相乘,为避免出现无穷,在log里加入一个很小的值
# 交叉熵来验证好坏
import numpy as np
real=np.array([1,0,0,0,0,0,0,0,0,0,0])
p1=np.array([0.4,0.3,0.3,0,0,0,0,0,0,0,0])
p2=np.array([0,0.3,0.3,0.4,0,0,0,0,0,0,0])
-sum(real*np.log(p1+0.00000001))
5.RuntimeError: loss
passed to Optimizer.compute_gradients should be a function when eager execution is enabled.
用的版本不同,TensorFlow2.0中,要提前关闭eager execution,因为eager execution是默认开启的,所以在最前面加入
tf.compat.v1.disable_eager_execution()
6.还原图形
这种图形是带颜色的
# 还原某张图片
import matplotlib.pyplot as plt
a=mnist.train.images[3]
b=a.reshape([28,28])
plt.imshow(b)
上代码!
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import os
tf.compat.v1.disable_eager_execution()
# 版本问题,先关闭eager_execution
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 忽略掉警告
mnist = input_data.read_data_sets('MINST_data', one_hot=True)
# one_hot,标签以编码的形式展现
x_data = mnist.train.images
y_data = mnist.train.labels
w = tf.Variable(tf.zeros([784,10])) # 网络权值矩阵
bias = tf.Variable(tf.zeros([10])) # 网络阈值
y = tf.nn.softmax(tf.matmul(x_data,w)+bias) # 网络输出
cross_entropy=tf.reduce_mean(-tf.reduce_sum(y_data*tf.compat.v1.log(y),axis=1))
# 按行求和,最后形成55000个交叉熵的值,然后再求个平均(损失函数)
optimizer = tf.compat.v1.train.GradientDescentOptimizer(0.03) # 梯度下降法优化器
train = optimizer.minimize(cross_entropy)
acc=tf.reduce_mean(tf.cast(tf.equal(tf.argmax(y,axis=1), tf.argmax(y_data,axis=1)),dtype=tf.float32))
# tf.cast换成浮点型,True=1.0,False=0.0,并指定dtype的浮点型
# acc为模型精度
# 启动会话
sess=tf.compat.v1.Session()
sess.run(tf.compat.v1.global_variables_initializer()) # 执行变量的初始化操作
for i in range(100):
print(i,'轮训练的精度',sess.run(acc))
sess.run(train) # 模型训练
sess.close()
预祝各位成功实现代码哟!