TensorFlow 官方API学习02--MNIST(上)

最新推荐文章于 2024-05-21 17:26:41 发布

weixin_34029680

最新推荐文章于 2024-05-21 17:26:41 发布

阅读量52

点赞数

文章标签：人工智能 python

原文链接：https://my.oschina.net/yezijun/blog/1612530

版权

2019独角兽企业重金招聘Python工程师标准>>>

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

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

# placeholder 占位符
# 通过二维的浮点张量来表示图, None为第一维度
x = tf.placeholder("float", [None, 784])

# variable 变量, 用 zeros来初始化W,b
# W的维度为[784, 10] 由784维的图片得到10维的证据向量
W = tf.Variable(tf.zeros([784, 10])) 

# b的形状为10 
b = tf.Variable(tf.zeros([10])) 

# 套用函式
y = tf.nn.softmax(tf.matmul(x, W) + b) 

# 添加新的占位,用于计算交叉熵
y_ = tf.placeholder("float", [None, 10]) 

# 计算交叉熵
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))

# 梯度下降算法
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

# 初始化创建变量
init = tf.global_variables_initializer()

# 调用模型
sess = tf.Session()
sess.run(init)

# 训练模型
for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

# 判断预测结果是否跟真是标签匹配
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

# 将布尔值转换为浮点数然后取平均值
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

# 输出所得准确率
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

转载于:https://my.oschina.net/yezijun/blog/1612530