tensorflow实战自学【一】

最新推荐文章于 2019-08-15 11:39:11 发布

永久的悔

最新推荐文章于 2019-08-15 11:39:11 发布

阅读量114

点赞数 1

分类专栏：自学 Tensorflow

本文链接：https://blog.csdn.net/qq_28053699/article/details/96870780

版权

自学同时被 2 个专栏收录

23 篇文章 0 订阅

订阅专栏

Tensorflow

6 篇文章 0 订阅

订阅专栏

本文介绍了使用Tensorflow通过Softmax Regression来识别手写数字的方法。通过将28*28的图像展开为784维向量，利用softmax作为激活函数，样本标签用one-hot编码，采用交叉熵作为损失函数，并使用梯度下降进行训练。

摘要由CSDN通过智能技术生成

Tensorflow实现Softmax Regression识别手写数字

实现方式：运用单层感知器实现，激活函数采用softmax()，将28*28的图片展开成784维的向量，样本标签采用hotpot的形式，loss函数采用交叉熵，训练算法采用梯度下降算法。

Softmax： $\sigma($ $\vec z)_j=$ $\frac{e^{z_j}}{\sum_{k=1}^K e^{z_k}}$

源代码：

# -*- coding: utf-8 -*-
"""
Created on Sat Jul 20 11:23:29 2019

@author: Administrator
"""
# Copyright 2015 The TensorFlow Authors. All Rights Reserved.

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import ssl
ssl._create_default_https_context = ssl._create_unverified_context

mnist=input_data.read_data_sets('MNIST_data/',one_hot=True)

sess=tf.InteractiveSession()#启动交互式会话
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])

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):#训练1000次，每次顺序取100个样本训练
    batch_xs,batch_ys=mnist.train.next_batch(100)
    train_step.run({x:batch_xs,y_:batch_ys})
    
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
print(accuracy.eval({x:mnist.test.images,y_:mnist.test.labels}))