TensorFlow教程 5.1Classification 分类学习

5.1Classification 分类学习

这次介绍TensorFlow解决Classification（分类）问题。 之前的视频讲解的是Regression (回归)问题。 分类和回归的区别在于输出变量的类型上。 通俗理解定量输出是回归，或者说是连续变量预测； 定性输出是分类，或者说是离散变量预测。如预测房价这是一个回归任务； 把东西分成几类, 比如猫狗猪牛，就是一个分类任务。

1首先准备数据（MNIST库）

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

MNIST库是手写体数字库，差不多是这样子的

数据中包含55000张训练图片，每张图片的分辨率是28×28，所以我们的训练网络输入应该是28×28=784个像素数据。

xs = tf.placeholder(tf.float32, [None, 784]) # 28x28

每张图片都表示一个数字，所以我们的输出是数字0到9，共10类。

ys = tf.placeholder(tf.float32, [None, 10])

2构建网络模型

调用add_layer函数搭建一个最简单的训练网络结构，只有输入层和输出层。

prediction = add_layer(xs,