先說我遇到的一個坑,在下載MNIST訓練數據的時候,代碼報錯:python
urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)>web
1. 使用ssl建立未經驗證的上下文,在urlopen中傳入上下文參數算法
import ssl import urllib2 context = ssl._create_unverified_context() print urllib2.urlopen("https://www.12306.cn/mormhweb/", context=context).read()
2. 全局取消證書驗證微信
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學習
亂入一個小廣告:最有特色的微信營銷平臺 www.91ifx.com測試