暂且贴出代码记录下,省的弄丢了,后面我有时间再修改,哈哈
分析:
1. reduce_sum/reduce_mean
表示在某一维度进行reduce,就是计算压缩的意思。所以reduce_sum就是计算沿某一维度计算均值,使其变成1。tf.reduce_sum(Tensor, reduction_indices = [1])) 就是让沿第二维求和,这样就把一张图片784个值的每个值都与计算得到的784个值一一对应计算 −∑iy′ilog(yi), 当然了,最后还要对一个batch的所有100张图片计算平均交叉熵。
2. argmax
表示求某一维的最大值。很简单吧。这里 tf.argmax(y_, 1) 就是查看预测的最大值呗。因为预测的label是以(100, 10)显示的。对于每一张图,有10个数,数字最大的则为其预测标签。
3. cast
强制转换数据类型,没啥好说的。
4tf.truncated_normal与tf.random_normal的区别
作为tensorflow里的正态分布产生函数,这两个函数的输入参数几乎完全一致,
而其主要的区别在于,tf.truncated_normal的输出如字面意思是截断的,而截断的标准是2倍的stddev。
import tensorflow as