- 件名の説明：
Tensorflowはソフトマックスマルチ分類を達成使用してください。
- トピックス要件：
①必要な依存ライブラリをインポートし、ランダムシードを設定します。（5点）
②定義データセット、ここで：
x_data
= [1、2、1、1]、[2、1、3、2]、[3、1、3、4]、[4、1、5、5]、[1、7,5、 5]、[1、2、
5、6]、[1、6、6、6]、[1、7、7、7]。
y_data
= [0、0、1]、[0、0、1]、[0、0、1]、[0、1、0]、[0、1、0]、[0、1、0] 、[1、0、0]、[1、0、0]]。（5分）
③定義されたプレースホルダ。（5点）
④定義された重みWとバイアスB。（5点）
⑤定義された予測モデル、ソフトマックスを用いた活性化関数。（5点）
コストや損失関数の定義⑥。（5点）
⑦勾配降下の最適化を定義し、学習率は0.01に設定されています。（5点）
計算の精度⑧。（5点）
⑨セッションが作成され、グローバル変数を初期化されます。（5点）
⑩トレーニング反復、ループ反復5000、損失の回500印刷出力値の収束を開始します。（5点）
モデルの11印字精度。（5点）
12×の組所与：[4,1,2,3]、[3,2,4,5]、テストデータの組、及びテスト結果をプリントアウト。（5点）
import tensorflow as tf
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]="3"
#设置随机种子
tf.set_random_seed(111)
#加载数据
x_data = [[1, 2, 1, 1], [2, 1, 3, 2], [3, 1, 3, 4], [4, 1, 5, 5], [1, 7, 5, 5], [1, 2, 5, 6], [1, 6, 6, 6], [1, 7, 7, 7]]
y_data = [[0, 0, 1], [0, 0, 1], [0, 0, 1], [0, 1, 0], [0, 1, 0], [0, 1, 0],[1, 0, 0], [1, 0, 0]]
#定义占位符
x = tf.placeholder(tf.float32,shape=[None,4])
y = tf.placeholder(tf.int64,shape=[None,3])
#初始化权重和偏执
w = tf.Variable(tf.random_normal([4,3]),name="w")
b = tf.Variable(tf.random_normal([3]),name="b")
#预测模型
logits = tf.matmul(x,w)+b
hypothesis = tf.nn.softmax(logits)
#定义代价
cost = tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=y)
#优化器
train = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)
#计算准确率
predict = tf.argmax(hypothesis,1)
correct_pre = tf.equal(predict,tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pre,tf.float32))
#创建会话
sess = tf.Session()
sess.run(tf.global_variables_initializer())
#开始迭代
for step in range(5000):
cost_val,_ = sess.run([cost,train],feed_dict={x:x_data,y:y_data})
if step %500 ==0:
print(step,cost_val)
#打印精确率
print("Accuracy:",sess.run(accuracy,feed_dict={x:x_data,y:y_data}))
#y预测
print(sess.run(predict,feed_dict={x:[[4,1,2,3], [3,2,4,5]]}))
#关闭会话
sess.close()