【图像识别】MNIST的分类问题（BP神经网络）

绝地灬酷狼 2021-12-11 00:27 509阅读 0赞

> [附MNIST数据集下载地址][MNIST]
> 
> *（下载出问题请看：[NameError: name 'mnist' is not defined解决方法][NameError_ name _mnist_ is not defined]）*

from tensorflow.examples.tutorials.mnist import input_data
    import tensorflow as tf
    
    # ---1. 加载数据---
    # 修改为自己MNIST_data所在路径（从官网下载四个压缩包【不要解压】放在同一个文件夹【MNIST_data】里）
    mnist = input_data.read_data_sets("D:/Python_code/Data/MNIST_data", one_hot=True)
    
    # ---2. 构建回归模型---
    
    # 定义回归模型
    x = tf.placeholder(tf.float32, [None, 784])
    W = tf.Variable(tf.zeros([784, 10]))
    b = tf.Variable(tf.zeros([10]))
    y = tf.matmul(x, W) + b  # 预测值
    
    # 定义损失函数和优化器
    y_ = tf.placeholder(tf.float32, [None, 10]) # 输入的真实值的占位符
    
    # softmax_cross_entropy_with_logits() 计算预测值与真实值的差值，并取均值
    cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_))
    # 采用SGD作为优化器
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
    
    # ---3. 训练模型---
    # InteractiveSession()创建交互式上下文的TensorFlow会话（与普通会话不同在于它会成为默认会话）
    sess = tf.InteractiveSession()
    tf.global_variables_initializer().run()
    
    # Train
    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})
    
    # ---4. 评估模型---
    
    # 计算预测值和真实值是否相等，tf.equal([1,2],[1,1]) = [True,False]
    correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
    # 取平均值，tf.cast(x, type) 将x转化为type类型
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    # 计算模型在测试集上的准确率
    print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

### 运行结果： ###

### ![Vici\_\_MNIST分类1][Vici_MNIST_1] ###

[MNIST]: http://yann.lecun.com/exdb/mnist/
[NameError_ name _mnist_ is not defined]: https://blog.csdn.net/Vici__/article/details/96040655
[Vici_MNIST_1]: /images/20211210/450b51923dfa4c41a01be87aaec87f03.png