TensorFlow官方文件學習（一）

乙個對手寫數字進行識別的模型。

思路：1、將訓練集中獲取的手寫數字影象進行某一統一方式（全部按行或全部按列）的展開，得到乙個長向量（這是為了利用softmax做一維的回歸，不過損失了二維資訊），用乙個二維張量來索引某乙個樣本中的某一畫素。

2、softmax模型：用來給不同的物件分配概率（即使在更精細的模型中，最後一步，往往也需要用softmax來分配概率）

兩步：① 加權求和，並引入偏置

對於給定輸入x，其代表影象為數字i的證據為

e vi

denc

ei=∑

i(wi

,jxj

)+bi

evidence_i=∑_i(w_x_j)+b_i

eviden

cei​

=∑i​

(wi,

j​xj

​)+b

i​② 用softmax函式將evidence轉換成概率，即

y =s

oftm

ax(e

vide

nce)

y=softmax(evidence)

y=soft

max(

evid

ence

)將輸入值當成冪指數求值，再正則化這些結果

更緊湊的寫法為 y=s

oftm

ax(w

x+b)

y=softmax(wx+b)

y=soft

max(

wx+b

)3、為了節省在python外使用別的語言進行複雜矩陣運算帶來的開銷，tensorflow做出的優化為，先用圖描述一系列可互動的操作，最後統一放在python外執行。

用佔位符placeholder來描述這些可互動的單元：

import tensorflow as tf

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

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

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

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

用交叉熵（cross-entropy）來評判模型的好壞，其表示式為

h y′

(y)=

−∑iy

i′lo

g(yi

)h_(y)=-∑_iy_i'log(y_i)

hy′​(y

)=−∑

i​yi

′​lo

g(yi

​)其中y是**的概率分布，y』是實際的概率分布（即訓練集對應的真實標籤，是乙個one-hot vector）

定義

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

cross_entropy=-tf.reduce_sum(y_*tf.log(y))

train_step=tf.train.gradientdescentoptimizer(0.01).minimize(cross_entropy)

初始化操作

init=tf.initialize_all_variables

sess=tf.session()

sess.run(init)

for i in range(1000)

batch_xs,batch_ys=mnist.train.next_batch(100)
sess.run(train_step,feed_dict=)

7、模型評估

tf.argmax給出物件在某一維度上最大值所對應的索引值，可以用來判斷**是否準確，即

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

accuracy=tf.reduce_mean(tf.cast(correct_prediction,"float"))

print sess.run(accuracy,feed_dict=)

TensorFlow官方文件學習（二）

開啟anaconda prompt activate tensor flow python import tensorflow as tf hello tf.constant hello s tf.session print s.run hello b hello 此處hello為utf 8編碼？列...

TensorFlow 官方文件中文版

打個不太恰當的比喻，如今 google 對待 tensorflow 系統，有點類似於該公司對待旗下移動作業系統 android。如果更多的資料科學家開始使用 google 的系統來從事機器學習方面的研究，那麼這將有利於 google 對日益發展的機器學習行業擁有更多的主導權。google tenso...

深度學習框架TensorFlow 官方文件中文版

使用 tensorflow,你必須明白 tensorflow tensorflow 是乙個程式設計系統,使用圖來表示計算任務.圖中的節點被稱之為 op operation 的縮寫 乙個 op 獲得 0 個或多個 tensor 執行計算,產生 0 個或多個 tensor 每個 tensor 是乙個型別...