对MNIST数据集进行softmax回归

本文主要参考TensorFlow中文官方文档

MNIST数据集

下载地址

代码

#coding=utf-8
import tensorflow as tf
#导入数据集
from tensorflow.examples.tutorials.mnist import  input_data
mnist = input_data.read_data_sets("MNIST_data/",one_hot = True)

#训练样本
x = tf.placeholder(tf.float32,[None,784])
#变量W
W = tf.Variable(tf.zeros([784,10]))
#变量b
b =  tf.Variable(tf.zeros(10))
#估计值
y = tf.matmul(x,W) + b
#实际值
y_ = tf.placeholder(tf.float32,[None,10])

#计算交叉熵
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))
#选择梯度下降算法
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

#初始化变量
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

#训练1000次
for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

#检测估计值与实际值是否相等
correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
#求平均
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
#mnist上正确率
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

遇到的问题

• 提示Non-ASCII character '\xe5'：
  代码第一行加上#coding=utf-8
• 一直卡住，然后提示Operation timed out
  mnist数据集下载完后被自动解压了，而这里要求的是压缩文件(.gz)。
• 提示No module named input_data：
  使用from tensorflow.examples.tutorials.mnist import input_data代替import input_data

结果