下載并導入mnist數(shù)據(jù)集
首先，利用input_data.py來下載并導入mnist數(shù)據(jù)集。在這個過程中，數(shù)據(jù)集會被下載并存儲到名為"MNIST_data"的目錄中。
import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
其中mnist是一個輕量級的類，其中以Numpy數(shù)組的形式中存儲著訓練集、驗證集、測試集。
進入一個交互式的TensorFlow會話
TensorFlow實際上對應的是一個C++后端，TensorFlow使用會話(Session)與后端連接。通常，我們都會先創(chuàng)建一個圖，然后再在會話(Session)中啟動它。而InteractiveSession給了我們一個交互式會話的機會，使得我們可以在運行圖(Graph)的時候再插入計算圖，否則就要在啟動會話之前構建整個計算圖。使用InteractiveSession會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，我們都會選擇InteractiveSession。
import tensorflow as tf sess = tf.InteractiveSession()
利用占位符處理輸入數(shù)據(jù)
關于占位符的概念，官方給出的解釋是“不是特定的值，而是可以在TensorFlow運行某一計算時根據(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數(shù)張量，因此定義dtype為"float"。其中，shape的None代表了沒有指定張量的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(
延伸閱讀
- ssh框架
2016-09-30
- 阿里移動安全 [無線安全]玩轉(zhuǎn)無線電——不安全的藍牙鎖
2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe
2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】
2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞
2017-07-26
- 從棧不平衡問題 理解 calling convention
2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明
2017-07-26
- Swift實現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解
2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應用分析
2017-07-26
- 集合結合數(shù)據(jù)結構來看看(二)
2017-07-26
學習是年輕人改變自己的最好方式