tensorflow mnist模型怎么實現

這篇文章主要介紹“tensorflow mnist模型怎么實現”，在日常操作中，相信很多人在tensorflow mnist模型怎么實現問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”tensorflow mnist模型怎么實現”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

所有的ML模型或者DL 模型 都是下面這四個固定套路的步驟

1.獲取到所需數據

2.開始搭建模型

3.計算采用何種loss函數

4.選擇batch,epoch,feed數據 

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets('./tmp/tensorflow/mnist/input_data',one_hot=True) # 下載數據
x = tf.placeholder(tf.float32,[None,784]) # 輸入占位符
yresult = tf.placeholder(tf.float32,[None,10]) #輸入數據真實的label

w = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,w) + b) # 用不用激勵函數 都可以的其實
cross_entropy = -tf.reduce_sum(yresult * tf.log(y)) # loss  值
train_setp = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) #梯度下降法
init  = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    for i in range(1000):
        batch_xs, batch_ys = mnist.train.next_batch(100)
        argv1,loss = sess.run([train_setp,cross_entropy],feed_dict={x:batch_xs,yresult:batch_ys}) #如果想知道corss_entropy試試變化值 加入就好。
        if i % 200 == 0:
            print (loss)

    current_prediction = tf.equal(tf.argmax(y,1),tf.argmax(yresult,1)) # compare real and calculate
    accuracy = tf.reduce_mean(tf.cast(current_prediction,tf.float32))  # 數據類型轉換 然后求匹配上的概率
    result = sess.run(accuracy,feed_dict={x:mnist.test.images,yresult:mnist.test.labels}) # test數據入口
    print(str(result * 100) + '%')

到此，關于“tensorflow mnist模型怎么實現”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！