Tensorflow MNIST机器学习入门 分类学习
来源:互联网 发布:js控制css3动画 编辑:程序博客网 时间:2024/04/30 11:07
MNIST:
MNIST是一个很出名的手写数字数据库,据说是美国中学生手写的数字,包含28*28的图片和与之对应的Tag。我们的目标就是使用Tensorflow来对MNIST的数据进行处理,已达到自行识别图片中数字的目的。(感觉有点像识别验证码、、、)
原理:
想要知道具体原理的建议直接去官网,讲的肯定比我好多了。
中文:http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html
英文(最新版):https://www.tensorflow.org/versions/r0.11/tutorials/mnist/beginners/index.html#mnist-for-ml-beginners
代码:
原理官网基本都讲了,我这里直接贴代码,个人癖好代码很多备注,便于直观感受。这是一个最简单的神经网络系统,只有输入层和输出层,没有隐藏层,mnist数据没有回自动帮你下载到根目录,有则直接缓存调用。也是依旧可以沿用上一篇文章的add_layer函数,但是这里稍有改动。
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport numpy as npmnist = input_data.read_data_sets('MNIST_data',one_hot=True) #加载tensorflow自带数据包def add_layer(inputs,in_size,out_size,activation_function=None): #activation_function=None线性函数#biases和Weights并不是纯随机数,一定的初始值跟有利于寻找到最优解biases = tf.Variable(tf.zeros([1,out_size])+0.03) Weights = tf.Variable(tf.random_normal([in_size, out_size],mean=0,stddev=0.3))Wx_plus_b = tf.matmul(inputs,Weights)+biases #inputs*Weight+biasesif activation_function is None:outputs = Wx_plus_belse:outputs = activation_function(Wx_plus_b)return outputsdef compute_accuracy(v_xs,v_ys):global predictiony_pre = sess.run(prediction,feed_dict={xs:v_xs}) #输出预测值correct_prediction = tf.equal(tf.argmax(y_pre,1),tf.argmax(v_ys,1)) #预测值对比真实数据accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32)) #计算正确率result = sess.run(accuracy,feed_dict={xs:v_xs,ys:v_ys}) #输出正确率return resultxs = tf.placeholder(tf.float32,[None,784]) #28*28大小,图像大小ys = tf.placeholder(tf.float32,[None,10]) #10个输出,0-9种数字prediction = add_layer(xs,784,10,activation_function=tf.nn.softmax) #输出层,激励函数softmaxcross_entropy = tf.reduce_mean(-tf.reduce_sum(ys*tf.log(prediction),reduction_indices=[1])) #计算误差losstrain_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) init = tf.initialize_all_variables()sess = tf.Session()sess.run(init) #先执行init#训练1k次for i in range(1000):batch_xs,batch_ys = mnist.train.next_batch(100) #每次学习随机提取100个元素(分类学习)sess.run(train_step,feed_dict = {xs:batch_xs,ys:batch_ys})if i%50 == 0:print(compute_accuracy(mnist.test.images,mnist.test.labels)) #图片与标签作对比,输出准确度
0 0
- Tensorflow MNIST机器学习入门 分类学习
- tensorflow MNIST机器学习入门
- tensorflow- MNIST机器学习入门
- tensorflow-MNIST机器学习入门
- tensorflow学习(2)MNIST机器学习入门
- TensorFlow学习二:MNIST机器学习入门
- TensorFlow之MNIST机器学习入门
- Tensorflow教程-MNIST机器学习入门
- TensorFlow框架之MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- MNIST机器学习入门
- Tensorflow系列——MNIST(针对机器学习入门者)
- 使用 Indy 的 TIdSMTP, TIdPOP3收发邮件在验证账户的时候出现错误乱码解决方法
- poj 1269 Intersecting Lines(计算几何)
- android中SharePreference的使用
- 关于recyclerView上下滑动时的崩溃问题
- spring security 4.0 教程 步步深入 5
- Tensorflow MNIST机器学习入门 分类学习
- Html
- Eclipse代码补全,修改 空格键 "=" 键不上屏
- 收藏的网上对一些名词的理解:如jsp、action、service、dao、PO等
- Android流式布局FlowLayout
- Golden Goose Donna 2 yoa mother's this
- 有一个字符数组的内容为:"student a am i",请你将数组的内容改为"i ama student".
- 10款优秀的在线格式转换工具
- HTML+js+css实现点击图片弹出上传文件窗口的两种思路