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

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

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

#建立乙個簡單的神經網路

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

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

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

#定義二次代價函式

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()

#結果存放在布林型列表中

correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(prediction,1)) #返回一維張量中最大的值所在的位置

#求準確率

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

with tf.session() as sess:

sess.run(init)

for epoch in range(21):

for batch in range(n_batch):

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

sess.run(train_step,feed_dict=)

acc=sess.run(accuracy,feed_dict=)

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

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

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 stu...

神經網路實現Mnist資料集簡單分類

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data 首先要載入資料集 載入資料集 mnist input data.read data sets mnist data one hot t...