算法之美_源代码发布

Posted 白马负金羁

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了算法之美_源代码发布相关的知识，希望对你有一定的参考价值。

这是TensorFlow文档中的一个例子（参加文献【1】，代码笔者略有改动），可以作为学习TensorFlow的一个实例教程。同时，借由这个例子也可以方便读者理解Softmax，或称多元逻辑回归（ Multinomial Logistic Regression），的基本思想。在学习本文之前，读者应该参考如下两篇文章，以补充必要之基础。

一、关于数据集

作为例子，我们这里要完成的任务是对0~9这十个手写数字进行分类。所使用的数据集为著名的MINST，其中的每一个输入文件都是像下面中的一个这样的一副大小为28x28的图像。


关于这个数据集的更多信息，你还可以参考Yann LeCun的网站（http://yann.lecun.com/exdb/mnist/）。


首先要做的事情当然是引入TensorFlow，并读入数据，因为MNIST这个数据集太有名（几乎是用来做深度学习编程示例的最被频繁使用的一个数据集），TensorFlow中已经将其包含，所以直接用下面的语句就可以将其读入：

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

MNIST 数据集被划分成了3个部分:

  • 训练数据 (mnist.train)，包含 55000 个数据点；
  • 测试数据（mnist.test)， 包含 10000 个数据点；
  • 验证数据（mnist.validation)，包含 5000 个数据点。

每一个 MNIST 数据点都包含两部分：一幅手写数字的图像（称为"x"）以及一个对应的标签（称为"y"）。训练数据集和测试数据集皆是如此。例如，训练数据的图像就是 mnist.train.images，测试数据的标签就是mnist.train.labels。

注意，这里每个输入的图像的都是一个28x28的矩阵（如下图所示），所以也可以看成是28x28=784维的一个向量。