因为我本机是Mac,而服务器装的是windows10,所以两个在运行MNIST数据集的时候,关于MNIST数据集的存放位置是有区别的。
1、但是测试代码是一样的,先上代码:
# -*- coding: utf-8 -*-
import tensorflow as tf
#导入input_data用于自动下载和安装MNIST数据集
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
#放置占位符,用于在计算时接收输入值
x = tf.placeholder("float", [None, 784])
#创建两个变量,分别用来存放权重值W和偏置值b
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
#使用Tensorflow提供的回归模型softmax,y代表输出
y = tf.nn.softmax(tf.matmul(x, W) + b)
#为了进行训练,需要把正确值一并传入网络
y_ = tf.placeholder("float", [None,10])
#计算交叉墒
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
#使用梯度下降算法以0.01的学习率最小化交叉墒
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
#初始化之前创建的变量的操作
init = tf.initialize_all_variables()
#启动初始化
sess = tf.Session()
sess.run(init)
#开始训练模型,循环1000次,每次都会随机抓取训练数据中的100条数据,然后作为参数替换之前的占位符来运行train_step
for i in range(1000):