TensorFlow入门-MNIST入门-Softmax

TensorFlow入门-MNIST入门

本文介绍了如何查看MNIST数据集、如何利用TensorFlow进行MNIST手写数据集的识别、以及如何利用训练好的模型进行数字识别。

项目结构

以下所有代码均在main.py内。

MNIST

import input_data # 需要将文末py文件导入项目
import matplotlib.pyplot as plt # plt 用于显示图片

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)  # 自动加载数据集，数据集在有网络的情况下会自动下载

# 显示mnist图片与标签
border = 1
cur = 0
while cur < border:
    mnist_img = mnist.train.images[cur].reshape((28, 28))
    mnist_tag = mnist.train.labels[cur]
    plt.imshow(mnist_img, cmap='gray')  # 显示图片
    plt.axis('off')  # 不显示坐标轴
    plt.show()
    print(mnist_tag)
    cur += 1

显示MNIST图片：

为一个28x28的数组的一纬数组。

标签：

[0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]

Softmax函数

可以返回10个数字类的概率值。

利用Softmax进行MNIST数据识别的过程为：

Softmax识别MNIST手写数据集主模块

# 定义输入占位符，None代表可以输入的图片数为任意值
x = tf.placeholder("float", [None, 784])

# 变量，在训练时可以进行数值修改
W = tf.Variable(tf.zeros([784,