TensorFlow 简明教程(python版)
*Posted on April 2nd, 2016, by REN Chuangjie
定义变量
为了使用tensorflow,首先我们需要导入它
import tensorflow as tf
对于符号变量,我们新建一个
x = tf.placeholder(tf.float32, [None, 784])
这里x并不是一个特定的值,只是一个占位符,后面我们需要用tensorflow进行计算式,我们会把它作为输入
在模型中,我们需要weights权重和biases偏置,这里就用Variable来处理定义,Variable可以在整个计算过程中modified
w = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
在新建Variable的同时,我们也初始化了它,然后
y = tf.nn.softmax(tf.matmul(x, w) + b)
这样我们就成功的实现了我们的模型
训练
我们用cross-entropy
作为我们的cost function
H_{y’}(y) = -\sum_i y’_i \log(y_i)
y就是我们预测的概率分布,y’是真实的概率分布
为了实现交叉熵,我们需要一个新的占位符来作为正确答