这是针对于博客vs2017安装和使用教程（详细）的深度学习例子——MNIST分类项目新建示例

目录

一、新建项目

二、运行代码

三、生成结果

一、新建项目

1.项目创建参照博主文章：vs2017 开始自己的第一个Python程序

2.输入代码：

  

   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # -*- coding: utf-8 -*-
     
    
   

    

     

    
    

     

      #获得数据集
     
    
   

    

     

    
    

     

      from tensorflow.examples.tutorials.mnist import input_data
     
    
   

    

     

    
    

     

      mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import tensorflow as tf
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #输入图像数据占位符
     
    
   

    

     

    
    

     

      x = tf.placeholder(tf.float32, [None, 784])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #权值和偏差
     
    
   

    

     

    
    

     

      W = tf.Variable(tf.zeros([784, 10]))
     
    
   

    

     

    
    

     

      b = tf.Variable(tf.zeros([10]))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #使用softmax模型
     
    
   

    

     

    
    

     

      y = tf.nn.softmax(tf.matmul(x, W) + b)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #代价函数占位符
     
    
   

    

     

    
    

     

      y_ = tf.placeholder(tf.float32, [None, 10])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #交叉熵评估代价
     
    
   

    

     

    
    

     

      cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #使用梯度下降算法优化：学习速率为0.5
     
    
   

    

     

    
    

     

      train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #Session
     
    
   

    

     

    
    

     

      sess = tf.InteractiveSession()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #初始化变量
     
    
   

    

     

    
    

     

      tf.global_variables_initializer().run()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #训练模型，训练1000次
     
    
   

    

     

    
    

     

      for _ in range(1000):
     
    
   

    

     

    
    

     

        batch_xs, batch_ys = mnist.train.next_batch(100)
     
    
   

    

     

    
    

     

        sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #计算正确率
     
    
   

    

     

    
    

     

      correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
     
    
   

    

     

    
    

     

      print("Training data:",mnist.train.num_examples)
     
    
   

    

     

    
    

     

      print("Validating data size:",mnist.validation.num_examples)
     
    
  
 

效果如图：

二、运行代码

1.点击附加...运行程序，这个过程会很耗时

2.运行过程中会下载生成文件夹，生成的数据在MNIST_data文件夹下，我们不需要手动解压

3.之后程序开始运行参数设置，具体的各个参数意义和用法在这里不赘述

三、生成结果

最后生成结果如下：

可以看到这次运行的准确率为91.73%，一般每次执行的结果都会不同，如果想提高精度可进行调参操作，这里不再赘述~

返回至原博客：vs2017安装和使用教程（详细）

文章来源: nickhuang1996.blog.csdn.net，作者：悲恋花丶无心之人，版权归原作者所有，如需转载，请联系作者。

原文链接：nickhuang1996.blog.csdn.net/article/details/84633619