9、基于TensorFlow构建前馈神经网络及梯度下降优化策略

基于TensorFlow构建前馈神经网络及梯度下降优化策略

数据准备

在处理数据时，我们需要对训练数据进行一系列的操作，以使其适合后续的模型训练。
1. 标签处理 ：首先，我们检查标签数组的形状。使用 data_train['label'].shape 可以得到形状值为 (60000) 。为了满足后续模型的需求，我们需要将标签重塑为 1 × m 的张量，其中 m 是观测值的数量，这里 m = 60000 。可以使用以下代码进行重塑：

labels = data_train['label'].values.reshape(1, 60000)

这样， labels 张量的维度就变为 (1, 60000) 。
2. 特征处理 ：特征张量应包含除标签列之外的所有列。我们通过 drop('label', axis=1) 方法移除标签列，然后对结果进行转置。 data_train.drop('label', axis=1) 的维度是 (60000, 784) ，我们希望得到 nx × m 的张量，这里 nx = 784 是特征的数量。目前我们的张量总结如下：