tensorflow学习-示例1(MNIST数据集合上的softmax分类模型)
来源:互联网 发布:stc80c52数据手册 编辑:程序博客网 时间:2024/05/15 09:22
tensorflow的整个框架其实由两个部分组成:第一个部分:会话制定,在这一个阶段中,我们可能要如下内容:定义tensor,其实就是数据;定义节点op,其实可以理解为数据流出或流入的节点,当然数据流入流出可能需要进行计算,也是在这里定义的;定义变量Variable,保存图模型的一些状态,其实我们最关心的是想要学习的参数;定义目标损失函数,就是最优化的目标;定义最优化的方法;最后开启会话,进行图计算;
最大的区别在于所有定义的计算操作的实际执行位置都是在Session执行阶段,示例如下:在MNIST数据集合上,采用softmax分类模型进行数字识别,非常快,达到的准确度~90.1%
import tensorflow as tfimport mathimport input_datamnist = input_data.read_data_sets("MNIST_data/",one_hot=True)# x_training表示训练集合的图像,None表示训练集合的图像的张数不确定,# 784表示二维图像展为1维向量# 定义一个pox_training = tf.placeholder("float",[None,784])# 定义一个poy_training_target = tf.placeholder("float",[None,10]);# 定义变量W = tf.Variable(tf.zeros([784,10]))b = tf.Variable(tf.zeros([10]))# 定义一个poy_training_testing = tf.nn.softmax(tf.matmul(x_training,W) + b) # 训练集和测试集上模型判断的标签# 损失函数cross_entropy = -tf.reduce_sum(y_training_target*tf.log(y_training_testing))# 梯度下降法:学习率为0.01# 目标是最小化交叉熵train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)init = tf.initialize_all_variables() # tf.global_variables_initializer 替代# 启动会话sess = tf.Session()sess.run(init)# softmax图的执行阶段for iter in range(2000): batch_xs,batch_ys = mnist.train.next_batch(100) #随机获取100张图片 sess.run(train_step,feed_dict={x_training:batch_xs,y_training_target:batch_ys}) #feed方式correct_prediction = tf.equal(tf.argmax(y_training_testing,1),tf.argmax(y_training_target,1))accuracy = tf.reduce_mean(tf.cast(correct_prediction,"float")) # 定义准确率print(sess.run(accuracy,feed_dict={x_training:mnist.test.images,y_training_target:mnist.test.labels})) # 准确率的执行阶段
0 0
- tensorflow学习-示例1(MNIST数据集合上的softmax分类模型)
- (三)tensorflow学习之旅——mnist的softmax分类示例
- Tensorflow简单复现softmax模型对于mnist数据集分类
- TensorFlow学习笔记(2)----Softmax Regression分类MNIST
- tensorflow-示例2(MNIST集合上进行分类深度卷积网DCNN)
- TensorFlow学习笔记(1):使用softmax对手写体数字(MNIST数据集)进行识别
- tensorflow之浅层(输入输出层)神经网络通过softmax分类mnist数据集
- 汐月教育之理解TensorFlow(三.1)构建简单的BP神经网络+softmax多分类进行MNIST识别
- (四)Tensorflow学习之旅——MNIST分类的卷积神经网络CNN示例
- tensorflow 使用softmax 分类mnist数据库
- 【TensorFlow】MNIST(使用softmax)
- TensorFlow学习笔记(3)--实现Softmax逻辑回归识别手写数字(MNIST数据集)
- tensorflow在mnist集上的使用示例(一)
- tensorflow在mnist集上的使用示例(二)
- python 实现 softmax分类器(MNIST数据集)
- Tensorflow学习笔记(3)-mnist(softmax regression)
- DCNN-tensorflow(深度卷积) 以MNIST集合上进行分类为例
- (tensorflow)mnist数据集上的应用(一)
- 【算法谜题】夜过吊桥
- SQLite基础入门
- HashMap和TreeMap
- 深入理解Java虚拟机学习笔记——三、虚拟机类加载机制
- java多线程--ReentrantLock实现生产者与消费者模式
- tensorflow学习-示例1(MNIST数据集合上的softmax分类模型)
- EffectiveJava(37) -- 学会使用标记注解与标记接口
- 实战配置nginx+tomcat+memcached
- SD-WAN介绍
- Collection和Array转换
- 如何找到R文件
- MySQL在大型网站的应用架构演变
- 深度学习笔记(六)finetune
- MVC vs. MVP vs. MVVM on Android