"""
1. 放入mnist数据到项目根目录mnist/MINIST_data下
"""
def test03_mnist():
# 载入数据，将数据进行one_hot向量化
mnist = input_data.read_data_sets('mnist/MNIST_data', one_hot=True)
# 每个批次的大小
batch_size = 100
# 计算共有多少个批次
n_batch = mnist.train.num_examples // batch_size
# 定义两个placeholder
# None:任意值：每个批次一次一次的传值到placeholder中，实现动态传值，比如传100行数据进去，None就变为100
# 784列:每个图片的为28 * 28的格式，将图片转换为一维数组的方式，所有有 None行、874列
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10]) # 一共有10个数字:0-9
# 创建神经网络
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
prediction = tf.nn.softmax(tf.matmul(x, W) + b)
# 定义二次代价函数
loss = tf.reduce_mean(tf.square(y-prediction))
# 使用梯度下降法
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
# 初始化变量
init = tf.global_variables_initializer()
# 结果存放在一个bool列表中
# argmax返回一个一维张量中最大的值所在的位置
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(prediction, 1))
# 求准确率
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
with tf.Session() as sess:
sess.run(init)
for e in range(200):
for batch in range(n_batch):
batch_xs, batch_ys = mnist.train.next_batch(batch_size)
sess.run(train_step, feed_dict={x: batch_xs, y: batch_ys})
acc = sess.run(accuracy, feed_dict={x: mnist.test.images, y: mnist.test.labels})
print("Iter" + str(e) + ", Testing Accuracy " + str(acc))
if __name__ == "__main__":
test03_mnist()
TensorFlow04-实现mnist
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- MNIST: http://yann.lecun.com/exdb/mnist/ MNIST机器学习入门:http...
- 这次我们使用CNN中最经典的Lenet网络在mnist数据集上进行训练和预测。 卷积NN主要有两部分组成，一部分是...
- 转载请注明出处：http://www.jianshu.com/p/904a1a436b46 前言 本文假设大家对C...
