TensorFlow第一课——MNIST测试

运行成功了一个门槛例子

 

加上了自己根据社区的讲解的理解上的注释。

 

 

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#准备数据
mnist = input_data.read_data_sets('MNIST_data',one_hot=True)

#启动计算图
sess = tf.InteractiveSession()
#输入图像的大小为28*28，输出的0到9的数字，共十类
x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

#把W，b初始化为0
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
#给变量初始化
sess.run(tf.initialize_all_variables())
#计算每个分类的softmax值
y = tf.nn.softmax(tf.matmul(x,W) + b)

#指定最小误差损失函数
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

for i in range(1000):
  batch = mnist.train.next_batch(50)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})
#用于评估模型
  correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
#分类的准确率
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
  #打印出准确率
  print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))