tensorflow基础代码实现
1.导入相应的包 Import tensorflow as tf from tensorsorflow.examples.tutorials.mnist as input_data tutorials(教程) Import matplotlib.pyplot as plt Import numpy as np Import pandas as pd2.定义各种常量,及设置随机种子
Learning_rate = 0.1
tf.set_random_seed(777)
n_classses = 10
3.定义数据集
此时的数据可能是自己定义,也可能是从文件中读取(例如:mnist手写体识别)
导入的情况可能分一下几类:
mnist = input_data.read_data_sets(‘MNIST_data’,one_hot=True)
data = np.loadtxt(‘data.csv’,delimiter=’,’)
data = pd.read_csv(data.csv’)
如果是多分类问题,必须给y值变为独热编码
Y_one_hot = tf.one_hot(Y, nb_classes)
Y_one_hot = tf.reshape(Y_one_hot, [-1, nb_classes])
4.定义占位符
首先,tensorflow通过计算流图的方式,帮你优化整个session需要执行的代码。而placeholder()只是在模型中的占位,此时并没有把要输入的数据传入模型,它只会分配必要的内存。等建立session,在会话中,运行模型的时候通过feed_dict()函数向占位符喂入数据。
M—样本数 &