tensorflow在pycharm里面运行MNIST数据集

最新推荐文章于 2025-07-03 09:25:47 发布

原创

最新推荐文章于 2025-07-03 09:25:47 发布 · 5.5k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow在pycharm里面运行MNIST数据集 #MNIST数据集位置的存放在Mac #MNIST数据集位置的存放在Windows

本文介绍了在Mac和Windows环境下使用PyCharm运行TensorFlow时，MNIST数据集的存放位置。在Mac上，数据集需放在项目根目录；而在Windows上，数据集需与测试代码在同一级目录。正确放置数据集可以避免自动下载或出现运行错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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):