附乙個**
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
)#每個批次的大小
batch_size =
100#可修改
#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])
#可加隱藏層
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
]))#可修改初始化函式w = tf.variable(tf.truncated_normal([784,2000],stddev=0.1))
b = tf.variable(tf.zeros([10
]))prediction = tf.nn.softmax(tf.matmul(x,w)
+ b)
#prediction = tf.nn.softmax(tf.matmul(x,w) + b)
#prediction = tf.nn.softplus(tf.matmul(x,w) + b)
#prediction = tf.nn.sigmoid(tf.matmul(x,w) + b)
#prediction = tf.nn.elu(tf.matmul(x,w) + b)
#prediction = tf.nn.relu(tf.matmul(x,w) + b)
#定義乙個二次代價函式
# loss = tf.reduce_mean(tf.square(y-prediction))#改換交叉熵
#交叉熵代價函式
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=prediction)
)#不求平均值難收斂
#使用梯度下降法
train_step = tf.train.gradientdescentoptimizer(
0.2)
.minimize(loss)
#可改學習率
#初始化變數
init = tf.global_variables_initializer(
)#結果存放在乙個bool型列表中
correct_prediction = tf.equal(tf.argmax(y,1)
,tf.argmax(prediction,1)
)#argmax()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
):#可修改迭代次數
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 accurary "
+str
(acc)
)#記住整型不可直接print加上str()轉換
在這裡插入**片簡單的分類模型
分類模型是文字分類的核心技術，大體上文字分類模型可以分為兩種 基於規則的文字分類和基於統計的文字分類。在基於規則的分類技術中首先需要根據某種假設 建立起可用於分類的規則，該規則包括了文字的表示方法，類別的表示方法，文字與類別的對映方式等等，之後通過訓練過程來完成規則的完善和調整，訓練後則可 以使用該...
分類模型和回歸模型
分類 概念 對於分類問題，監督學習從資料中學習乙個分類模型或者分類決策函式，稱為分類器。分類器對新的輸入 其屬於哪一類別，稱為分類。優化過程 找到最優決策面 輸出 離散值，如0 1，yes no 評價指標 一般是精確率，即給定測試資料集，分類器能正確分類的樣本數佔總樣本數的比。模型損失函式 交叉熵損...
話題模型分類
topic model 是一種應用十分廣泛的產生式模型 generative model 在ir，nlp，ml都有廣泛的應用，本文將對目前已有的topic model進行分類總結，然後選擇幾個代表性的topic model進行較為詳細的介紹，從而理解topic model 的思想，以及怎麼應用。to...