tensorflow使用cnn训练mnist数据集代码及结果

代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue May  1 09:38:09 2018

@author: xy
"""

import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data
#下载minist数据，创建mnist_data文件夹，one_hot编码
mnist=input_data.read_data_sets("mnist_data/",one_hot=True)
#为None的原因是训练数据测试数据输入行数不一样
x=tf.placeholder(tf.float32,[None,784])
#初始化w,b
w=tf.Variable(tf.zeros([784,10]))#2输入图片28*28=784,输出0-9共10个数
b=tf.Variable(tf.zeros([10]))
y=tf.nn.softmax(tf.matmul(x,w)+b)#公式
y_real=tf.placeholder("float",[None,10])#s实际结果
cross_entropy=-tf.reduce_sum(y_real*tf.log(y))#交叉熵公式
#梯度下降训练模型0.01d的学习率，找最小的交叉熵
train_step=tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_real,1))#训练集与测试集标签是否相等
accuracy=tf.reduce_mean(tf.cast(correct_prediction,'float'))
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)#开启会话
for i in range(10000):#训练10000次
    batch_train_images,batch_train_labels=mnist.train.next_batch(100)#100个数据为单位进行训练
    sess.run(train_step,feed_dict={x:batch_train_images,y_real:batch_train_labels})
    if i%100==0:
        print('test_accuracy_epoch:',sess.run(accuracy,feed_dict={x:mnist.test.images,y_real:mnist.test.labels}))#训练一个epoch测试一下预测正确率

预测结果