下載并導(dǎo)入mnist數(shù)據(jù)集
首先，利用input_data.py來(lái)下載并導(dǎo)入mnist數(shù)據(jù)集。在這個(gè)過(guò)程中，數(shù)據(jù)集會(huì)被下載并存儲(chǔ)到名為"MNIST_data"的目錄中。
import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
其中mnist是一個(gè)輕量級(jí)的類(lèi)，其中以Numpy數(shù)組的形式中存儲(chǔ)著訓(xùn)練集、驗(yàn)證集、測(cè)試集。
進(jìn)入一個(gè)交互式的TensorFlow會(huì)話
TensorFlow實(shí)際上對(duì)應(yīng)的是一個(gè)C++后端，TensorFlow使用會(huì)話(Session)與后端連接。通常，我們都會(huì)先創(chuàng)建一個(gè)圖，然后再在會(huì)話(Session)中啟動(dòng)它。而InteractiveSession給了我們一個(gè)交互式會(huì)話的機(jī)會(huì)，使得我們可以在運(yùn)行圖(Graph)的時(shí)候再插入計(jì)算圖，否則就要在啟動(dòng)會(huì)話之前構(gòu)建整個(gè)計(jì)算圖。使用InteractiveSession會(huì)使得我們的工作更加便利，所以大部分情況下，尤其是在交互環(huán)境下，我們都會(huì)選擇InteractiveSession。
import tensorflow as tf sess = tf.InteractiveSession()
利用占位符處理輸入數(shù)據(jù)
關(guān)于占位符的概念，官方給出的解釋是“不是特定的值，而是可以在TensorFlow運(yùn)行某一計(jì)算時(shí)根據(jù)該占位符輸入具體的值”。這里也比較容易理解。
x = tf.placeholder("float", shape=[None,784])
x代表的是輸入圖片的浮點(diǎn)數(shù)張量，因此定義dtype為"float"。其中，shape的None代表了沒(méi)有指定張量的shape，可以feed任何shape的張量，在這里指batch的大小未定。一張mnist圖像的大小是2828，784是一張展平的mnist圖像的維度，即2828＝784。
y_ = tf.placeholder(
網(wǎng)友評(píng)論
