TensorFlow（二）——单层神经网络实现MNIST的分类

PS：https://playground.tensorflow.org 推荐一个很有意思的网站，够你玩一个下午的，并且能够帮助你更好理解什么是调参 ~

目录

MNIST 手写数字库

单层神经网络实现MNIST的分类

• 训练训练集
• 测试测试集

• 可视化 tensorboard
  • 模型参数
  • loss、accuracy
  • 网络流程图
• 参数的保存 Saver
• Timeline

一、MNIST 手写数字数据库

1.数据集

分为60000行的训练数据集（mnist.train）和10000行的测试数据集（mnist.test）

每张图片的像素 28x28 被展开为长度 784 的行向量

训练数据：

图片：mnist.train.images 是一个形状为 [60000, 784]

图片的标签：mnist.train.labels 是一个 [60000, 10] 使用的是one-hot 独热码

one-hot：使用N位状态寄存器来对N个状态进行编码，并且在任意时候，只有一位有效。最大优势在于状态比较时仅仅需要比较一个位，运算简单，但是占用资源多

2.MNIST手写数字数据集的下载

使用下面的代码加载失败

import tensorflow.examples.tutorials.mnist.input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败

采取下面的办法解决 https://blog.csdn.net/Li_haiyu/article/details/78465806

3.PCA 可视化 MNIST 手写数字识别数据集

http://projector.tensorflow.org/

PCA 是一种常用的数据降维方法，可以将高维数据在二维或者三维可视化呈现

4.MNIST的可视化

两种方法：

• tensorflow 中的 MNIST 模块读取图片（不需要将文件解压缩）
• struct模块从二进制文件中读取图片（需要将文件解压缩）

http://www.cnblogs.com/youmuchen/p/6713241.html

https://www.cnblogs.com/zhouyang209117/p/6436751.html

二、代码实现

1.代码流程

• 输入训练集和测试集
• 构造神经网络
  • 输入训练样本的ｘ[55000,784]、ｙ[55000,10] 一个样本为一行
  • 设置神经网络参数 W[784,10]、b[10]
  • 计算 y_prediction = x*W + b
• softmax计算10种类别各自的概率
• 交叉熵计算loss
• 训练网络
• 用训练集计算准确率

2.附加功能

• 可视化 tensorboard
  • 参数
  • loss、accuracy
  • 图片
• 参数的保存 Saver
• Timeline

3.贴代码

• train_or_test == 0 时训练网络得到参数

  可以看到每隔50次训练的loss值

• train_or_test == 1 用得到的模型计算测试集精确度

  测试集的精确度有0.88

三、tensorboard

• 网络结构

• 每隔50次训练的loss

• 每隔50次测试集的精确度

四、Timeline

不要问我这个是啥意思，我也不知道，看不懂 ~