MNIST資料集分類簡單版本

from tensorflow.examples.tutorials.mnist import input_data

#載入資料集

mnist = input_data.read_data_sets("/data/stu05/mnist_data",one_hot=true)

extracting /data/stu05/mnist_data/train-images-idx3-ubyte.gz

extracting /data/stu05/mnist_data/train-labels-idx1-ubyte.gz
extracting /data/stu05/mnist_data/t10k-images-idx3-ubyte.gz
extracting /data/stu05/mnist_data/t10k-labels-idx1-ubyte.gz

#每個批次的大小

batch_size = 100

#計算一共有多少個批次

n_batch = mnist.train.num_examples // batch_size

​

#定義兩個placeholder,none=100,28*28=784,即100行，784列

x = tf.placeholder(tf.float32,[none,784])

#0-9個輸出標籤

y = tf.placeholder(tf.float32,[none,10])

​

#建立乙個簡單的神經網路，只有輸入層和輸出層

w = tf.variable(tf.zeros([784,10]))

b = tf.variable(tf.zeros([1,10]))

#softmax函式轉化為概率值

prediction = tf.nn.softmax(tf.matmul(x,w)+b)

​

#二次代價函式

loss = tf.reduce_mean(tf.square(y-prediction))

#使用梯度下降法

train_step = tf.train.gradientdescentoptimizer(0.2).minimize(loss)

​

#初始化變數

init = tf.global_variables_initializer()

​

#tf.equal()比較函式大小是否相同，相同為true,不同為false;tf.argmax()：求y=1在哪個位置，求概率最大在哪個位置

#argmax返回一維張量中最大的值所在的位置，結果存放在乙個布林型列表中

correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))

#求準確率

#cast轉化型別，將布林型轉化為32位浮點型,true=1.0,false=0.0;再求平均值

accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

​

with tf.session() as sess:

sess.run(init)

#將所有訓練21次

for epoch in range(21):

#訓練一次所有的

for batch in range(n_batch):

batch_xs,batch_ys = mnist.train.next_batch(batch_size)

#feed_dict傳入訓練集的和標籤

sess.run(train_step,feed_dict=)

#傳入測試集的和標籤

acc = sess.run(accuracy,feed_dict=)

print("iter"+str(epoch)+",testing accuracy："+str(acc))

iter0,testing accuracy：0.8303

iter1,testing accuracy：0.8708
iter2,testing accuracy：0.8821
iter3,testing accuracy：0.8885
iter4,testing accuracy：0.8941
iter5,testing accuracy：0.8973
iter6,testing accuracy：0.9001
iter7,testing accuracy：0.9013
iter8,testing accuracy：0.9038
iter9,testing accuracy：0.9048
iter10,testing accuracy：0.9068
iter11,testing accuracy：0.9068
iter12,testing accuracy：0.9084
iter13,testing accuracy：0.9094
iter14,testing accuracy：0.9097
iter15,testing accuracy：0.9107
iter16,testing accuracy：0.9118
iter17,testing accuracy：0.9116
iter18,testing accuracy：0.9127
iter19,testing accuracy：0.9136
iter20,testing accuracy：0.9146

​

Mnist資料集分類簡單版本

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data 載入資料集 mnist input data.read data sets mnist data one hot true 每個批次的...

MNIST資料集分類簡單版本（詳細）

import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input data 載入mnist資料集 mnist input data.read data sets mnist...

3 3實現MNIST資料集分類

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data 載入資料集 mnist input data.read data sets mnist data one hot true 定義每個批...