学习笔记TF056:TensorFlow MNIST，数据集、分类、可视化-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_38776853/article/details/78439816

本文介绍了MNIST手写数字数据集，包括数据格式、TensorFlow中的加载方法，以及使用Softmax回归进行分类。通过训练过程的可视化，借助TensorBoard展示了训练效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MNIST(Mixed National Institute of Standards and Technology)http://yann.lecun.com/exdb/mnist/ ，入门级计算机视觉数据集，美国中学生手写数字。训练集6万张图片，测试集1万张图片。数字经过预处理、格式化，大小调整并居中，图片尺寸固定28x28。数据集小，训练速度快，收敛效果好。

MNIST数据集，NIST数据集子集。4个文件。train-label-idx1-ubyte.gz 训练集标记文件(28881字节)，train-images-idx3-ubyte.gz 训练集图片文件(9912422字节)，t10k-labels-idx1-ubyte.gz，测试集标记文件(4542字节)，t10k-images-idx3-ubyte.gz 测试集图片文件(1648877字节)。测试集，前5000个样例取自原始NIST训练集，后5000个取自原始NIST测试集。

训练集标记文件 train-labels-idx1-ubyt格式：offset、type、value、description。magic number(MSB first)、number of items、label。
MSB(most significant bit，最高有效位)，二进制，MSB最高加权位。MSB位于二进制最左侧，MSB first 最高有效位在前。 magic number 写入ELF格式(Executable and Linkable Format)的ELF头文件常量，检查和自己设定是否一致判断文件是否损坏。

训练集图片文件 train-images-idx3-ubyte格式：magic number、number of images、number of rows、number of columns、pixel。
pixel(像素)取值范围0-255，0-255代表背景色(白色)，255代表前景色(黑色)。

测试集标记文件 t10k-labels-idx1-ubyte 格式：magic number(MSB first)、number of items、label。

测试集图片文件 t10k-images-idx3-ubyte格式：magic number、number of images、number of rows、number of columns、pixel。

tensor flow-1.1.0/tensorflow/examples/tutorials/mnist。mnist_softmax.py 回归训练，full_connected_feed.py Feed数据方式训练，mnist_with_summaries.py 卷积神经网络(CNN) 训练过程可视化，mnist_softmax_xla.py XLA框架。

MNIST分类问题。

Softmax回归解决两种以上分类。Logistic回归模型在分类问题推广。tensorflow-1.1.0/tensorflow/examples/tutorials/mnist/mnist_softmax.py。

加载数据。导入input_data.py文件， tensorflow.contrib.learn.read_data_sets加载数据。FLAGS.data_dir MNIST路径，可自定义。one_hot标记，长度为n数组，只有一个元素是1.0，其他元素是0.0。输出层softmax，输出概率分布，要求输入标记概率分布形式，以更计算交叉熵。

构建回归模型。输入原始真实值(group truth)，计算softmax函数拟合预测值，定义损失函数和优化器。用梯度下降算法以0.5学习率最小化交叉熵。tf.train.GradientDescentOptimizer。

训练模型。初始化创建变量，会话启动模型。模型循环训练1000次，每次循环随机抓取训练数据100个数据点，替换占位符。随机训练(stochastic training)，SGD方法梯度下降，每次从训练数据随机抓取小部分数据梯度下降训练。BGD每次对所有训练数据计算。SGD学习数据集总体特征，加速训练过程。

评估模型。tf.argmax(y,1)返回模型对任一输入x预测标记值，tf.argmax(y_,1) 正确标记值。tf.equal检测预测值和真实值是否匹配，预测布尔值转化浮点数，取平均值。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import argparse
import sys
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
FLAGS