小編給大家分享一下TensorFlow MNIST如何實現手寫數據集，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

創新互聯公司服務項目包括屏山網站建設、屏山網站制作、屏山網頁制作以及屏山網絡營銷策劃等。多年來，我們專注于互聯網行業，利用自身積累的技術優勢、行業經驗、深度合作伙伴關系等，向廣大中小型企業、政府機構等提供互聯網行業的解決方案，屏山網站推廣取得了明顯的社會效益與經濟效益。目前，我們服務的客戶以成都為中心已經輻射到屏山省份的部分城市，未來相信會繼續擴大服務區域并繼續獲得客戶的支持與信任！

MNIST數據集介紹

MNIST數據集中包含了各種各樣的手寫數字圖片，數據集的官網是：http://yann.lecun.com/exdb/mnist/index.html，我們可以從這里下載數據集。使用如下的代碼對數據集進行加載：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

運行上述代碼會自動下載數據集并將文件解壓在MNIST_data文件夾下面。代碼中的one_hot=True，表示將樣本的標簽轉化為one_hot編碼。

MNIST數據集中的圖片是28*28的，每張圖被轉化為一個行向量，長度是28*28=784，每一個值代表一個像素點。數據集中共有60000張手寫數據圖片，其中55000張訓練數據，5000張測試數據。

在MNIST中，mnist.train.images是一個形狀為[55000, 784]的張量，其中的第一個維度是用來索引圖片，第二個維度圖片中的像素。MNIST數據集包含有三部分，訓練數據集，驗證數據集，測試數據集(mnist.validation)。

標簽是介于0-9之間的數字，用于描述圖片中的數字，轉化為one-hot向量即表示的數字對應的下標為1，其余的值為0。標簽的訓練數據是[55000,10]的數字矩陣。

下面定義了一個簡單的網絡對數據集進行訓練，代碼如下：

import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
tf.reset_default_graph()
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10])
w = tf.Variable(tf.random_normal([784, 10]))
b = tf.Variable(tf.zeros([10]))
pred = tf.matmul(x, w) + b
pred = tf.nn.softmax(pred)
cost = tf.reduce_mean(-tf.reduce_sum(y * tf.log(pred), reduction_indices=1))
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
training_epochs = 25
batch_size = 100
display_step = 1
save_path = 'model/'
saver = tf.train.Saver()
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  for epoch in range(training_epochs):
    avg_cost = 0
    total_batch = int(mnist.train.num_examples/batch_size)
    for i in range(total_batch):
      batch_xs, batch_ys = mnist.train.next_batch(batch_size)
      _, c = sess.run([optimizer, cost], feed_dict={x:batch_xs, y:batch_ys})
      avg_cost += c / total_batch
    if (epoch + 1) % display_step == 0:
      print('epoch= ', epoch+1, ' cost= ', avg_cost)
  print('finished')
  correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  print('accuracy: ', accuracy.eval({x:mnist.test.images, y:mnist.test.labels}))
  save = saver.save(sess, save_path=save_path+'mnist.cpkt')
print(" starting 2nd session ...... ")
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  saver.restore(sess, save_path=save_path+'mnist.cpkt')
  correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  print('accuracy: ', accuracy.eval({x: mnist.test.images, y: mnist.test.labels}))
  output = tf.argmax(pred, 1)
  batch_xs, batch_ys = mnist.test.next_batch(2)
  outputval= sess.run([output], feed_dict={x:batch_xs, y:batch_ys})
  print(outputval)
  im = batch_xs[0]
  im = im.reshape(-1, 28)
  plt.imshow(im, cmap='gray')
  plt.show()
  im = batch_xs[1]
  im = im.reshape(-1, 28)
  plt.imshow(im, cmap='gray')
  plt.show()

看完了這篇文章，相信你對“TensorFlow MNIST如何實現手寫數據集”有了一定的了解，如果想了解更多相關知識，歡迎關注創新互聯行業資訊頻道，感謝各位的閱讀！

名稱欄目：TensorFlowMNIST如何實現手寫數據集-創新互聯
分享網址：http://vcdvsql.cn/article42/cesghc.html

成都網站建設公司_創新互聯，為您提供軟件開發、虛擬主機、網站導航、網站排名、靜態網站、網站內鏈

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯