機器學習的Hello Word——Softmax Regression識別手寫數字

TensorFlow 核心概念：

計算表示爲一個有向圖（directed graph），或計算圖（computation graph）

其中每一步運算操作（operation）作爲一個節點（node）

節點與節點之間的連線成爲邊（edge）

在計算圖邊中流動（flow）的數據成爲張量（tensor）

TensorFlow神經網絡開發流程：

1、定義算法公式，也就是神經網絡forward是的計算

2、定義loss，選定優化器，並指定優化器優化loss

3、迭代地對數據進行訓練

4、在測試集或驗證集上對準確率進行評測

官方教程：面向機器學習初學者的 MNIST 初級教程

運用softmax 的BP網絡訓練，代碼如下：

#下載引入數據集
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

import tensorflow as tf

#設置默認會話（session）
sess = tf.InteractiveSession()

#設置模型變量
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

#訓練模型
#成本函數：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]))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#初始化變量
init = tf.initialize_all_variables()

#啓動圖（graph）
sess = tf.Session()
sess.run(init)

#訓練模型1000次
for i in range(40000):
	batch_xs, batch_ys = mnist.train.next_batch(100)
	sess.run(train_step, feed_dict={x:batch_xs,y_:batch_ys})
print(sess.run(W),sess.run(b))

#評估模型
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction,"float"))
print(sess.run(accuracy,feed_dict={x:mnist.test.images, y_:mnist.test.labels}))

訓練結果如下：