tensorflow-mnist学习

"""

此项目是在学习tensorflow的mnist时所敲代码，内涵详细注释，附带自己的理解，希望对大家学习tensorflow有帮助

"""

# -*- coding: utf-8 -*-

# @Time    : 2018/2/7 14:04

# @Author  : cb_lian

# @Site    :

# @File    : minist.py

# @Software: PyCharm

import tensorflowas tf

from tensorflow.examples.tutorials.mnistimport input_data

mnist= input_data.read_data_sets("MNIST_data/",one_hot=True)  # 下载或读取数据集，one_hot编码

x= tf.placeholder(tf.float32,[None,784])  # n行784列的输入矩阵

W= tf.Variable(tf.zeros([784,10]))  # 权重矩阵，784行10列，初始化为零

b= tf.Variable(tf.zeros([10]))  # 偏置矩阵，10列的一个array

y= tf.nn.softmax(tf.matmul(x, W)+b)  # 矩阵相乘，并使用softmax激励函数

y_= tf.placeholder("float",[None,10])  # 训练集的标签

cross_entropy= -tf.reduce_sum(y_*tf.log(y))  # 计算交叉熵,用来衡量模型好坏

train_step= tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)  # 执行训练，减小交叉熵，0.01学习率

init= tf.global_variables_initializer()  # 初始化变量（initialize_all_variables已经过时）

correct_prediction= tf.equal(tf.argmax(y,1), tf.argmax(y_,1))  # 正确的标签与预测的标签进行比对，确定正确率

accuracy= tf.reduce_mean(tf.cast(correct_prediction,"float"))  # argmax当axis=0时返回每一列的最大值的位置索引,当axis=1时返回每一行中的最大值的位置索引

with tf.Session() as sess:

    sess.run(init)

    for iin range(2000):  # 2000次迭代

        batch_xs, batch_ys= mnist.train.next_batch(100)  # 每次迭代随机抓取训练集100个训练数据返回

        sess.run(train_step,feed_dict={x: batch_xs, y_: batch_ys})

        #  每次迭代计算正确率

        print("accuracy:", sess.run(accuracy,feed_dict={x: mnist.test.images, y_: mnist.test.labels}))