Win10: tensorflow 学习笔记(3)
前言
学以致用,以学促用。输出检验,完整闭环。
怕什么真理无穷,进一寸有一寸的欢喜——胡适
经过前段时间的努力,已经在电脑上搭好了深度学习系统,接下来就要开始跑程序了,将AI落地了。
安装win10下tensforlow 可以参照之前的例子:win10+gpu安装
在使用gpu版本中一些特别的问题,可以参照这篇:win10+tensorflow+gpu
在运行过程中遇到的一些错误,可以参照这篇::tensorflow 错误
tensorflow的一些基础概念,可以参见这篇:tensorflow学习笔记(1)
tensorflow的发展故事,可以参见这篇:tensorfow学习笔记(2)
目录
- 前言
- Tensorflow 第一步
- Tensorflow mnist数据集
- 小结
- 补充
Tensorflow 第一步
这节主要总结的是安装tensorflow和训练一个手写数字识别的模型。
安装可以参考这篇帖子:
win10:tensorflow-gpu总结
Tensorflow mnist数据集
数据集的介绍可参考之前的文档:经验
这节代码主要参考github上的源码
主要使用的算法是softmax regression算法。
soft regression简介
输入一张图片后,soft regression会对每个类别给出一个估计的概率,最后取概率最大的类别作为输出结果。
具体可以参照:softmax详解
简单公式如下:
featurei=∑jwi,jxj+bjfeaturei=∑jwi,jxj+bjfeature_i=\quad\sum_j{w_{i,j} x_j+b_j}
其中i代表第i类,j代表一张图片的第j个像素,bjbjb_j是bias,featureifeatureifeature_i第i类的概率
softmax(x)=normalize(exp(x))softmax(x)=normalize(exp(x))softmax(x)=normalize(exp(x))
其中softmax就是需要的特征。
softmax(x)i=fracexp(xi)∑jexp(xj)softmax(x)i=fracexp(xi)∑jexp(xj)softmax(x)_i=frac{exp(x_i)}{\quad\sum_jexp(x_j)}
特征值越大的类输出的概率越大:
公式化
额外写在这里:
交叉熵公式:
Hy′=−∑iy′ilog(yi)Hy′=−∑iyi′log(yi)H_{y'}=-\quad\sum_iy'_ilog(y_i)
>
#先导入依赖的库import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data
#读入数据
#可能过段时间就不能这么简单的读取了。
#one-hot编码是说label的形式为【000001000】1在的位置代表它是几?
mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)
#输出相关的信息
print(mnist.train.images.shape,mnist.train.labels.shape)
print(mnist.test.images.shape,mnist.test.labels.shape)
print(mnist.validation.images.shape,mnist.validation.labels.shape)#开启一个可迭代的会话
sess=tf.InteractiveSession()
#初始化参数。
#设置占位符和变量。
x=tf.placeholder(tf.float32,[None,784])
w=tf.Variable(tf.zeros([784,10]))
b=tf.Variable(tf.zeros([10]))
#计算预测值
y=tf.nn.softmax(tf.matmul(x,w)+b)
#计算交叉熵
y_=tf.placeholder(tf.float32,[None,10])
cross_entropy=tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y),reduction_indices=[1]))
#使用随机梯度求导优化
train_step=tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
#全局参数初始化。
tf.global_variables_initializer().run()
#迭代训练100次
for i in range(1000):
#获得训练集batch_xs,batch_ys=mnist.train.next_batch(100)#进行训练train_step.run({x:batch_xs,y_:batch_ys})
#预测结果判断
#实际标签和预测标签一致吗?
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
#计算正确率
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
print(accuracy.eval({x:mnist.test.images,y_:mnist.test.labels}))
小结
通过这个例子,我们可以将一个项目结构化为四个独立的部分。
- 1定义算法公式
- 2定义loss,选定优化器,并指定优化器优化loss
- 3迭代地对数据进行训练。
4在测试集或验证集上对准确率进行评测。
需要注意的是tensorflow和spark类似,一开始只是进行了计算图设计,真的计算要调用run方法后才开始,还需要feed数据。
补充
其中发现了一篇好文档,详解mnist数据集
详解,主要是可以可视化源数据究竟是个啥。
,但博主有的部分和我的部分有区别,问题怎么也解决不了:
问题1:数据导入
X_train,y_train = load_mnist('mnist_data\')File "E:/tensorFlow/Mycode/mnist/Main_mnist.py", line 12X_train,y_train = load_mnist('mnist_data\')^
SyntaxError: EOL while scanning string literal
后来,发现应该这么写:
X_train,y_train = load_mnist('E:/tensorFlow/Mycode/mnist/mnist_data/')
问题2:数据不识别
File "E:\tensorFlow\Mycode\mnist\input_dat2.py", line 20, in load_mnistwith open(labels_path,'rb') as lbpath:PermissionError: [Errno 13] Permission denied: 'mnist_data/train-labels-idx1-ubyte'
先是参考了问题
仔细看了错误提示,发现是input_data环节出了问题:
博主的文档里面
是-labels-idx1-ubyte
将中间的-改成。以后问题消除。
展示出来了。
Win10: tensorflow 学习笔记(3)相关推荐
- Win10:tensorflow学习笔记(4)
前言 学以致用,以学促用.输出检验,完整闭环. 经过前段时间的努力,已经在电脑上搭好了深度学习系统,接下来就要开始跑程序了,将AI落地了. 安装win10下tensforlow 可以参照之前的例子:w ...
- win10:tensorflow学习笔记(2)
目录: 前言 Tensorflow的故事 1Tensorflow和其他框架的对比 2Tesorflow 目前进展 3大杀器tensorboard 尾声 前言 经过前段时间的努力,已经在电脑上搭好了深度 ...
- 【TensorFlow学习笔记】完美解决 pip3 install tensorflow 没有models库,读取PTB数据
安装tensorflow 我使用的是最最最简单的容易的 pip3 install <TensorFlow学习笔记> 一. 安装win10下python3.6的tensorflow的CPU版 ...
- Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题
Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题 参考文章: (1)Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题 (2)http ...
- tensorflow学习笔记(三十二):conv2d_transpose (解卷积)
tensorflow学习笔记(三十二):conv2d_transpose ("解卷积") deconv解卷积,实际是叫做conv_transpose, conv_transpose ...
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
tensorflow学习笔记二--建立一个简单的神经网络 2016-09-23 16:04 2973人阅读 评论(2) 收藏 举报 分类: tensorflow(4) 目录(?)[+] 本笔记目的 ...
- tensorflow学习笔记——使用TensorFlow操作MNIST数据(1)
续集请点击我:tensorflow学习笔记--使用TensorFlow操作MNIST数据(2) 本节开始学习使用tensorflow教程,当然从最简单的MNIST开始.这怎么说呢,就好比编程入门有He ...
- TensorFlow学习笔记(二):快速理解Tutorial第一个例子-MNIST机器学习入门 标签: 机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅
TensorFlow学习笔记(二):快速理解Tutorial第一个例子-MNIST机器学习入门 标签: 机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅读 ...
- Tensorflow学习笔记2:About Session, Graph, Operation and Tensor
简介 上一篇笔记:Tensorflow学习笔记1:Get Started 我们谈到Tensorflow是基于图(Graph)的计算系统.而图的节点则是由操作(Operation)来构成的,而图的各个节 ...
最新文章
- Vue(十)生命周期
- 计数排序/Counting Sort
- ca开头的车是什么牌子_动车与高铁的区别是什么?很少人知道!让我来告诉你吧...
- python无法识别vim中文代码
- CodeForces-500C
- JAVA笔记(十四)
- 实现流水灯以间隔500ms的时间闪烁(系统定时器SysTick实现的精确延时)
- 【TensorFlow】TensorFlow函数精讲之tf.clip_by_value()
- RedHat中敲sh-copy-id命令报错:-bash: ssh-copy-id: command not found
- Evernote 强力替代品:开源加密笔记本 Joplin
- 阿里云眼中的“云网络3.0”:构建应用、云、边一体网络
- linux hotplug 机制,佐须之男的博客- 跟着佐大学Lede/OpenWrt开发入门培训班讲义-18 OpenWrt hotplug 机制分析...
- 寻找“最好”(2)——欧拉-拉格朗日方程
- 服务器怎么改成gpt分区支持,硬盘mbr分区更改成gpt分区的方法
- 怎样写一个解释器——王垠
- 程序的时间和空间复杂度
- 【python爬虫】scrapy框架案例实现数据保存入MySQL
- js数据过滤算法搭建
- 如何在论文中添加参考文献引用(以Word2016为例)
- 翻译器附属文件下载地址
热门文章
- PEEL!!!!!!!! it is the easiest way for English arguments
- Changes at Different Environment?
- my understanding for love
- 强弩之末,势不能穿鲁缟
- SHADER效果收集
- LeetCode7.整数反转 JavaScript
- jst获取不到springmvc中model数据
- 极路由安全设计架构分析
- Sweet.js 用 Readtables 编译 JSX
- 不能导入android项目备注