TensorFlow训练softmax回归(带tensorboard)

最新推荐文章于 2022-11-21 21:11:08 发布

qq_20488317

最新推荐文章于 2022-11-21 21:11:08 发布

阅读量623

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/qq_20488317/article/details/78384937

版权

这篇博客介绍了如何使用TensorFlow库训练一个softmax回归模型，数据集为MNIST_data。文章中不仅涵盖了模型的构建，还特别强调了如何结合TensorBoard进行可视化，包括scalar部分的展示，以帮助理解模型训练过程。

摘要由CSDN通过智能技术生成

输入数据集：MNIST_data

模型：简单的softmax回归模型。除了应用到常用的tensorflow的api，还用到了tensorflow的TensorBoard

#encoding:utf-8

import tensorflow as tf
import numpy as np
import input_data

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labels

log_dir = "mnist_logs"

def variable_summarys(var):
	with tf.name_scope("summaries"):
		mean = tf.reduce_mean(var)
		tf.summary.scalar('mean', mean)
		with tf.name_scope('stddev'):
			stddev = tf.sqrt(tf.reduce_mean(tf.square(var - mean)))
		tf.summary.scalar('stddev', stddev)
		tf.summary.scalar('max', tf.reduce_max(var))
		tf.summary.scalar('min', tf.reduce_min(var))
		tf.summary.histogram('histogram', var)
def init_weights(shape):
	return tf.Variable(tf.random_normal(shape,