MNIST

Mnist

学习内容： 1.学习MNIST的数据解析以及softmax回归算法。 2.创建一个基于图片像素识别图片数字的模型。 3.使用TensorFlow来训练模型识别数字，这个学习的过程是让它去看成千上万的图片。 4.使用我们的测试数据来验证模型的准确性。 5.得出每次测试数据的正确率。

简单介绍下Mnist:
MNIST是一个简单的视觉计算数据集，它是像下面这样手写的数字图片：


每张图片还额外有一个标签记录了图片上数字是几，例如上面几张图的标签就是：5、0、4、1。
本次将会展现如何训练一个模型来识别这些图片，最终实现模型对图片上的数字进行预测。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import argparse  #解析训练和检测数据模块
import sys

from tensorflow.examples.tutorials.mnist import input_data

import tensorflow as tf

FLAGS = None


def main(_):
  # Import data 
  mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)

  # Create the model
  x = tf.placeholder(tf.float32, [None, 784]) #此函数可以理解为形参，用于定义过程，在执行的时候再赋具体的值
  W = tf.Variable(tf.zeros([784, 10])) # tf.zeros表示所有的维度都为0 
  b = tf.Variable(tf.zeros([10]))
  y = tf.matmul(x, W) + b  #对应每个分类概率值。

  # Define loss and optimizer
  y_ = tf.placeholder(tf.float32, [None, 10])

  # The raw formulation of cross-entropy,
  #
  # tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(tf.nn.softmax(y)),
  # reduction_indices=[1]))
  #
  # can be numerically unstable.
  #
  # So here we use tf.nn.softmax_cross_entropy_with_logits on the raw
  # outputs of 'y', and then average across the batch.
  cross_entropy = tf.reduce_mean(
      tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))
  train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

  sess = tf.InteractiveSession()
  tf.global_variables_initializer().run()
  # Train
  for _ in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

  # Test trained model
  correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  print(sess.run(accuracy, feed_dict={x: mnist.test.images,
                                      y_: mnist.test.labels}))

if __name__ == '__main__':
  parser = argparse.ArgumentParser()
  parser.add_argument('--data_dir', type=str, default='/tmp/tensorflow/mnist/input_data',
                      help='Directory for storing input data')
  FLAGS, unparsed = parser.parse_known_args()
  tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)