TensorFlow-逻辑回归模型

#解决分类问题最普遍的baseline modle就是逻辑回归，简单可解释性好
#第一步：环境设定
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import time
#第二步：数据读取
#使用TensorFlow自带的工具加载MNIST手写数字集合
mnist=input_data.read_data_sets('/data/mnist',one_hot=True)
#查看数据维度
mnist.train.images.shape
#查看target维度
mnist.train.labels.shape

#第三步：准备好placeholder
batch_size=128#一批数据大小
X=tf.placeholder(tf.float32,[batch_size,784],name='X_placeholder')
Y=tf.placeholder(tf.float32,[batch_size,10],name='Y_placeholder')
#第四步：准备好参数和权重
w=tf.Variable(tf.random_normal(shape=[784,10],stddev=0.01),name='weights')
b=tf.Variable(tf.zeros([1,10]),name='bias')
#第五步：拿到每个类别的score，矩阵乘法。
logits=tf.matmul(X,w)+b
#第六步：计算多分类softmax的loss function
#求交叉熵损失
entro