TensorFlow学习二—MNIST
完整代码:https://github.com/cnineday/Tensorflow_MNIST
导读
开始学习:
在机器视觉中最为常用的可能就是分类,今天导读就说说分类问题。首先我们先了解分类问题输入输出究竟是什么?拿今天要讲的MNIST数据集来说,它的input:[b,784] 的数组,输出那不明思议就是类别。
对于分类我们最简单表示就是把每个类别编码成一个具体的数值,例如:这样1.1就是cat,2.2就是fish……
但这么做会出现两个问题:
一是数值存在大小关系而类别没有。
二是对于类别来说没有2.2好于2.1这种概率方式。
所以还有一种常见的编码方式是one-host编码,就是将每个类别设置一个节点,我们的分类结果,得到的就是是隶属于某个类别的概率。在实际中我们将把每个类别的概率和变成1,每个概率就叫做置信度,找到置信度最大的类别,这样就完成了简单的分类
之前的回归问题和分类问题有什么区别呢?
回归:y是一个连续的数值
分类问题他是矩阵相乘,输出是各个类别置信度的输出,根据输出算出输入的W,B,下图来算的话应该W=[X,4] , b=[4]