Tensorflow深入mnist程序整理

今天我尝试了Tensorflow中文网站的 MNSIT进阶之深入的模块
测试的效果不错 同时也获得了许多收获，为了方便和我一样正在学习Tensorflow的小伙伴们特地把MNIST深入的程序整理如下：

import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)
import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.placeholder(“float”, shape=[None, 784])
y_ = tf.placeholder(“float”, shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
sess.run(tf.initialize_all_variables())
y = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
for i in range(1000):
batch = mnist.train.next_batch(50)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, “float”))
print accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels})

我最后的测试结果大约为0.9092
当然这里因为依然采用的softmax模型，测试的效果不是尽如人意的。
在下一篇讲采用多层卷积神经网络来进行，得到的结果约为：0.992
这是令人期待的，也起期待我的下一篇文章吧！