核心步骤:
(1)定义算法公式,也就是神经网络前向运行时的计算;
(2)定义loss,选定optimizer,使用优化器优化loss;
比如采用cross_entropy来计算loss,优化器用随机梯度下降:
cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
(3)开启迭代的数据训练操作
比如写个for循环,分批次将训练数据灌入。参见下文代码49~55行。
(4)计算准确率,做出评测。
比如下文例子中,我们定义了def compute_accuracy(v_xs, v_ys)。
【例】TensorFlow实现手写数字识别
自己编写的代码,亲测可以运行(2018年10月10日,python3.6+tensorflow),其中写了详尽的注释帮助理解。
网络上关于这个话题有很多博文了,但有些博文中代码可能跑不通,或也是参考《TensorF