tensorflow在pycharm里面运行MNIST数据集

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):
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值