TensorFLow学习(一),Mnist入门
2017-03-14 17:07
302 查看
~/tensorflow/tensorflow/examples/tutorials/mnist 下已经包含有mnist测试数据
在此文件夹下建立learn1.py代码文件
运行 python learn1.py ,结果约为91%
在此文件夹下建立learn1.py代码文件
# coding=utf-8 # File Name: learn1.py import input_data import tensorflow as tf mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # soft回归模型 x = tf.placeholder("float", [None, 784]) W = tf.Variable(tf.zeros([784,10])) b = tf.Variable(tf.zeros([10])) y = tf.nn.softmax(tf.matmul(x,W) + b) # 训练 y_ = tf.placeholder("float", [None,10]) cross_entropy = -tf.reduce_sum(y_*tf.log(y)) train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) init = tf.initialize_all_variables() sess = tf.Session() sess.run(init) for i in range(10000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) # 评估 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={x: mnist.test.images, y_: mnist.test.labels}) ###如果报错,sess前加( 最后加)
运行 python learn1.py ,结果约为91%
相关文章推荐
- Tensorflow深度学习入门——采用卷积和池化优化训练MNIST数据——代码+注释
- TensorFlow学习--MNIST入门与提高 (附脚本input_data.py)
- RNN时间序列预测(1)-Tensorflow入门,MNIST学习
- Tensorflow深度学习入门——下载和读取MNIST数据
- [TensorFlow]入门学习笔记(2)-卷积神经网络mnist手写识别
- TensorFlow官方教程学习笔记(三)——MNIST入门(续)
- TensorFlow学习二:MNIST机器学习入门
- 【20170630】TensorFlow与python学习(2)-Mnist入门
- [学习笔记] TensorFlow 入门之基本使用
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别
- tensorflow 学习笔记(1) MNIST for beginners
- TensorFlow 从入门到精通(二):MNIST 例程源码分析
- 1.深度学习框架——TensorFlow的安装与入门
- 入门深度学习mxnet框架——运行mnist手写数字例子
- tensorflow学习笔记二:入门基础
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- [置顶] TensorFlow 入门之训练 MNIST 数据
- TensorFlow 入门之手写识别(MNIST) softmax算法
- 用MXnet入门实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别