Tensorflow之訓練MNIST（1）

先說我遇到的一個坑，在下載MNIST訓練數據的時候，代碼報錯：

urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)>

是由於Python 升級到 2.7.9 以後引入了一個新特性，當使用urllib.urlopen打開一個 https 連接時，會驗證一次 SSL 證書。

而當目標網站使用的是自簽名的證書時就會拋出一個 urllib2.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:581)> 的錯誤消息，詳細信息能夠在這裏查看（ https://www. python.org/dev/peps/pep-0476/）。

 

能夠經過2個辦法解決：

1. 使用ssl建立未經驗證的上下文，在urlopen中傳入上下文參數

import ssl import urllib2 context = ssl._create_unverified_context() print urllib2.urlopen("https://www.12306.cn/mormhweb/", context=context).read()

2. 全局取消證書驗證

import ssl import urllib2 ssl._create_default_https_context = ssl._create_unverified_context print urllib2.urlopen("https://www.12306.cn/mormhweb/").read()

感謝原文，參見：　http://bookshadow.com/weblog/2015/04/22/sae-python-weibo-sdk-certificate-verify-failed/

進入正題：

一、新建input_data.py，用於下載MNIST的數據

 1 from __future__ import absolute_import
 2 from __future__ import division
 3 from __future__ import print_function
 4 
 5 import gzip
 6 import os
 7 import tempfile
 8 
 9 import numpy
10 from six.moves import urllib
11 from six.moves import xrange  # pylint: disable=redefined-builtin
12 import tensorflow as tf
13 from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets

 

二、創建Softmax迴歸模型，並進行訓練

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import input_data
import tensorflow as tf

#MNIST數據輸入
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

x = tf.placeholder(tf.float32,[None, 784]) #圖像輸入向量
W = tf.Variable(tf.zeros([784,10]))  #權重，初始化值爲全零
b = tf.Variable(tf.zeros([10]))  #偏置，初始化值爲全零

#進行模型計算，y是預測，y_ 是實際
y = tf.nn.softmax(tf.matmul(x,W) + b)

y_ = tf.placeholder("float", [None,10])

#計算交叉熵
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
#接下來使用BP算法來進行微調,以0.01的學習速率
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#上面設置好了模型，添加初始化建立變量的操做
init = tf.initialize_all_variables()
#啓動建立的模型，並初始化變量
sess = tf.Session()
sess.run(init)
#開始訓練模型，循環訓練1000次
for i in range(1000):
    #隨機抓取訓練數據中的100個批處理數據點
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x:batch_xs,y_:batch_ys})
    
''' 進行模型評估 '''

#判斷預測標籤和實際標籤是否匹配
correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
#計算所學習到的模型在測試數據集上面的正確率
print( sess.run(accuracy, feed_dict={x:mnist.test.images, y_:mnist.test.labels}) )

原文參見：http://blog.csdn.net/willduan1/article/details/52024254

亂入一個小廣告：最有特色的微信營銷平臺 www.91ifx.com