TENSORFLOW官方文档-MNIST机器学习入门-数据集准备
2017-01-09 16:41
225 查看
1.导入数据集
import tensorflow.examples.tutorials.mnist.input_data
mnist = tensorflow.exampes.tutorials.mnist.input_data.read_data_sets
(“MNIST_data/”, one_hot=True)
此处第一步import的tensor必须和下一行使用的tensor保持一致,否则会报错。
注释:
1.数据集mnist.train.images:共有60000行测试数据,每个数据为28*28像素的图片,将每张图片以向量的形式展开(展开方式不重要,只需保证每张图片按相同方式展开),即一张图片为1*784的向量。故数据集为60000*784的向量。
2.数据集的标签mnist.train.labels:用来描述图片中的数字。为60000*10的向量。数字n将表示成一个只有在第n维度(从0开始)数字为10维向量。比如,标签3将表示成([0,0,0,1,0,0,0,0,0,0,0])。
2.softmax回归模型:用来给不同的对象分配概率
y=softmax(Wx+b)
(1).对图片像素值进行加权求和。如果这个像素具有很强的证据说明这张图片不属于该类,那么相应的权值为负数,相反如果这个像素拥有有利的证据支持这张图片属于这个类,那么权值是正数。
(2).正则化。
import tensorflow.examples.tutorials.mnist.input_data
mnist = tensorflow.exampes.tutorials.mnist.input_data.read_data_sets
(“MNIST_data/”, one_hot=True)
此处第一步import的tensor必须和下一行使用的tensor保持一致,否则会报错。
注释:
1.数据集mnist.train.images:共有60000行测试数据,每个数据为28*28像素的图片,将每张图片以向量的形式展开(展开方式不重要,只需保证每张图片按相同方式展开),即一张图片为1*784的向量。故数据集为60000*784的向量。
2.数据集的标签mnist.train.labels:用来描述图片中的数字。为60000*10的向量。数字n将表示成一个只有在第n维度(从0开始)数字为10维向量。比如,标签3将表示成([0,0,0,1,0,0,0,0,0,0,0])。
2.softmax回归模型:用来给不同的对象分配概率
y=softmax(Wx+b)
(1).对图片像素值进行加权求和。如果这个像素具有很强的证据说明这张图片不属于该类,那么相应的权值为负数,相反如果这个像素拥有有利的证据支持这张图片属于这个类,那么权值是正数。
(2).正则化。
相关文章推荐
- TENSORFLOW官方文档-MNIST机器学习入门-训练模型
- TENSORFLOW官方文档-MNIST机器学习入门-建立模型
- TensorFlow官方文档学习|TensorFlow运作方式入门
- 1.solr5官方文档中文:快速入门
- Android官方入门文档[9]支持不同的语言
- Hadoop之HBase入门【官方文档翻译】
- Android官方入门文档
- NServiceBus官方文档翻译(二)NServiceBus 入门
- Android官方入门文档[17]构建灵活的UI
- Android官方入门文档[7]样式化操作栏
- Android官方入门文档[8]重叠操作栏
- Android官方入门文档[13]暂停和恢复一个Activity活动
- 063_《Delphi7入门与程序设计手册(Borland官方文档)》
- Android官方入门文档[14]停止和重新启动一个Activity活动
- Android官方入门文档[15]重新创建一个Activity活动
- Android官方入门文档[10]支持不同的屏幕
- jackson官方快速入门文档
- Arduino使用入门(Windows平台)-官方文档
- Android官方入门文档[2]运行你的应用程序
- Android官方入门文档[12]启动一个活动