学习进度笔记

学习进度笔记08

TensorFlow逻辑回归

1. import tensorflow as tf  
2. from tensorflow.examples.tutorials.mnist import input_data  
3. mnist=input_data.read_data_sets("/home/yxcx/tf_data",one_hot=True)  
4. import os  
5. os.environ["CUDA_VISIBLE_DEVICES"]="0"  
7. #Parameters  
8. learning_rate=0.01  
9. training_epochs=25  
10. batch_size=100  
11. display_step=1  
13. #tf Graph Input  
14. x=tf.placeholder(tf.float32,[None,784])  
15. y=tf.placeholder(tf.float32,[None,10])  
17. #Set model weights  
18. W=tf.Variable(tf.zeros([784,10]))  
19. b=tf.Variable(tf.zeros([10]))  
21. #Construct model  
22. pred=tf.nn.softmax(tf.matmul(x,W)+b)  
24. #Minimize error using cross entropy  
25. cost=tf.reduce_mean(-tf.reduce_sum(y*tf.log(pred),reduction_indices=1))  
27. #Gradient Descent  
28. optimizer=tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)  
30. #Initialize the variables  
31. init=tf.global_variables_initializer()  
33. #Start training  
34. with tf.Session() as sess:  
35. sess.run(init)  
37. #Training cycle  
38. for epoch in range(training_epochs):  
39. avg_cost=0  
40. total_batch=int(mnist.train.num_examples/batch_size)  
41. # loop over all batches  
42. for i in range(total_batch):  
43. batch_xs,batch_ys=mnist.train.next_batch(batch_size)  
44. #Fit training using batch data  
45. _,c=sess.run([optimizer,cost],feed_dict={x:batch_xs,y:batch_ys})  
47. #Conpute average loss  
48. avg_cost+= c/total_batch  
49. if (epoch+1) % display_step==0:  
50. print("Epoch:",'%04d' % (epoch+1),"Cost:" ,"{:.09f}".format(avg_cost))  
52. print("Optimization Finished!")  
54. #Test model  
55. correct_prediction=tf.equal(tf.argmax(pred,1),tf.argmax(y,1))  
56. # Calculate accuracy for 3000 examples  
57. accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))  
58. print("Accuracy:",accuracy.eval({x:mnist.test.images[:3000],y:mnist.test.labels[:3000]}))