前几天自己在那瞎鼓捣MNIST数据集，天赋太差，一知半解吧。还有就是TensorBoard始终调不出来，没法跟直观的看到效果，网上找了各种方法都试不通，算了，先不管。我按照TensorFlow中文社区上的教程继续学习，接下来的教程用到了Cifar-10数据集，对CIFAR-10 数据集的分类是机器学习中一个公开的基准测试问题，其任务是对一组32x32RGB的图像进行分类，这些图像涵盖了10个类别：飞机， 汽车， 鸟， 猫， 鹿， 狗， 青蛙， 马， 船以及卡车。
机智的我又找到了 GitHub上的yhlleo大神，果然找到他以前的代码。当然，代码也没跑通，原因还是因为有些函数更新了。查查资料后就把几个函数更改了，然后就能跑通了。可以参考我修改过的代码，但还是觉得自己去改一下吧。挺快的，也不难。还有就是我的电脑上没有GPU，所以cifar10_multi_gpu_train.py的代码就没动过了，话说cifar10_train.py的好慢啊！跑了两个多小时了，loss才降到1.20左右。无聊了，就来写点东西，质量是肯定没保障的，就是感觉好玩吧。
还有一个要注意的事。我是事先到官网上下了Cifar-10的数据包的，但是每次运行的时候还是要去自动去下载那个包，而且每次下到10%几、20%几就吓不动。怎么吓它都不动。原因是它每次到固定路径去找那个包，没找到的话就会调用cifar10.py里的maybe_download_and_extract()函数去官网下载。所以，要么修改它FLAGS中预设的data_dir地址到你事先吓好的包的位置，要么把包放到它预设的地址下，这里需要在目录下新建一个cifar10_data文件夹，并把包放到里面。（这个包吓好就行了，不需要解压出来的）
看着程序还在跑，loss一直下不去，我突然意识到，会不会是这个包被我吓坏了。想想可能是它迭代到一定程度了，没法再提高它的精度。 算法的迭代效果本来就是越接近终点越缓慢的，而且初始的时候迭代的次数也设的比较高，所以后面就感觉没什么效果了。具体的算法和要调用的函数还是要去看官方文档说明，一步步慢慢去理解。