使用tensorflow导入已经下载好的mnist数据集()

最新推荐文章于 2024-07-12 14:06:16 发布

机器玄学实践者

最新推荐文章于 2024-07-12 14:06:16 发布

阅读量7.5k

点赞数 2

分类专栏：监督学习文章标签： ai

本文链接：https://blog.csdn.net/weixin_39673686/article/details/81068582

版权

本文介绍如何从本地文件系统加载已下载的MNIST数据集到TensorFlow中。首先下载MNIST数据，将其放置在特定文件夹，然后更新代码中的数据路径，即可顺利读取并进行训练。

摘要由CSDN通过智能技术生成

import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data
mnist_data_folder="/home/socialbird/Downloads/MNIST_data"
mnist=input_data.read_data_sets(mnist_data_folder,one_hot=True)

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b


# Define loss and optimizer
y_ = tf.placeholder(tf.float32, [None, 10])
# The raw formulation of cross-entropy,
#
#   tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(tf.nn.softmax(y)),
#                                 reduction_indices=[1]))
#
# can be numerically unstable.
#
# So here we use tf.nn.softmax_cross_entropy_with_logits on the raw
# outputs of 'y', and then average across the batch.
cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))
train_step = tf.train.GradientDescentOptimiz