使用TensorFlow实现Softmax Regression识别手写数字

因为新冠病毒疫情，在家学习，没有带回什么书回家。今天在当当上网购的一本书《TensorFlow实战》到了，因为实验要使用BLSTM+CRF，所以先自己进行简单的学习，对照着里面的例子自己敲和理解，这里做一下记录。

这个例子使用简单的Softmax Regression进行MNIST手写数字识别。将灰度图片展开为28*28=784的一维向量，识别的结果为0-9共10个结果，所以有10个分类。下面是代码。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 将mnist数据集下载到本地更方便使用
mnist = input_data.read_data_sets("F:/Experiment/TensorflowTest/Actual combat of Tensorflow/MNIST_data/", one_hot=True)
print(mnist.train.images.shape, mnist.train.labels.shape)
print(mnist.test.images.shape, mnist.test.labels.shape)
print(mnist.validation.images.shape, mnist.validation.labels.shape)

sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32, [None, 784])
w = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, w) + b)
y_ = tf.placeholder(tf.float32, [None, 10])

# 使用交叉熵
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
tf.global_variables_initializer().run()

for i in range(1000):
    batch_x, batch_y = mnist.train.next_batch(100)
    train_step.run({x: batch_x, y_: batch_y})


correct_prediction = tf.equal(tf.arg_max(y, 1), tf.arg_max(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels}))