6、使用TensorFlow构建深度学习模型及梯度下降优化

使用TensorFlow构建深度学习模型及梯度下降优化

1. 数据预处理

在开始构建模型之前，我们需要对数据进行预处理。首先，检查数据集中标签数组的形状：

data_train['label'].shape

得到的结果是 (60000) ，这符合预期。我们希望标签以张量形式呈现，其维度为 1 × m ，这里 m 是观测值的数量（即60000）。因此，我们使用以下命令对标签进行重塑：

labels = data_train['label'].values.reshape(1, 60000)

现在， labels 张量的维度变为 (1, 60000) 。

接下来处理特征张量。特征张量应包含除标签外的所有列。我们通过 drop('label', axis=1) 方法移除标签列，获取其余列，然后对张量进行转置。 data_train.drop('label', axis=1) 的维度是 (60000, 784) ，我们希望得到的特征张量维度为 nx × m ，这里 nx = 784 是特征数量。目前，我们的张量情况总结如下：
- 标签（Labels）