インポートAS tensorflowのTF から tensorflow.examples.tutorials.mnist インポートINPUT_DATA ＃1 セットのデータのロード MNIST = input_data.read_data_sets（" MNIST_data "、one_hot = TRUE） ＃の各バッチサイズ BATCH_SIZE = 64 ＃は、バッチの総数を算出します時間が mnist.train.num_examples // = n_batch BATCH_SIZEの＃は2プレースホルダ定義 X = tf.placeholder（tf.float32を、[なし]、[784 ]） Y = tf.placeholder（tf.float32、[なし]、[10 ]） keep_prob = tf.placeholder（tf.float32） ＃784-1000-500-10 ＃簡単なニューラルネットワークを作成します W1 = tf.Variable（tf.truncated_normal（[784,1000]、STDDEV = 0.1 ）） B1 = tf.Variable（tf.zeros（[1000]）+ 0.1 ） L1 = tf.nn.tanh（tf.matmul（ X、W1）+ B1） L1_drop = tf.nn.dropout（L1、keep_prob） W2 = tf.Variable（tf.truncated_normal（[1000,500]、STDDEV = 0.1 ）） B2 = tf.Variable（tf.zeros（ [500]）+ 0.1 ） L2 = tf.nn.tanh（tf.matmul（L1_drop、W2）+ B2） L2_drop = tf.nn.dropout（L2、keep_prob） W3 = tf.Variable（tf.truncated_normal（[500 、10]、STDDEV = 0.1 ）） B3 = tf.Variable（tf.zeros（[10]）+ 0.1 ） 予測Tf.nn.softmax =（tf.matmul（L2_dropのW3）+ B3） ＃正則 l2_loss = tf.nn.l2_loss（W1）+ tf.nn.l2_loss （B1）+ tf.nn.l2_loss（W2）+ tf.nn.l2_loss（B2）+ tf.nn.l2_loss（のW3）+ tf.nn.l2_loss（B3） ＃のクロスエントロピー 損失= tf.losses.softmax_cross_entropy（Y、予測）+ 0.0005 * l2_loss ＃勾配降下法を用いて = tf.train.GradientDescentOptimizerのtrain_step（0.5 ）.minimize（損失） ＃変数を初期化 INIT = tf.global_variables_initializer（） ＃の結果は、ブール値のリストに格納され correct_prediction = tf.equal（tf.argmax（Y、 1）、TF .argmax（予測,. 1）） ＃テンソル位置の最大値の一次元位置にARGMAX復帰 ＃精度求め 精度=tf.reduce_mean（tf.cast（correct_prediction、tf.float32）） のSESとしてtf.Session（付）： sess.run（INIT） のためのエポックにおける範囲（31 ） のためのバッチにおける範囲（n_batch）： batch_xs、batch_ys = mnist.train.next_batch（BATCH_SIZE） sess.run（train_step、feed_dict = {X：batch_xs、Y：batch_ys、keep_prob：1.0 }） test_acc = sess.run（精度、feed_dict = {X：mnist.test.images、Y ：mnist.test.labels、keep_prob：1.0 }） train_acc = sess.run（精度、feed_dict = {X：mnist.train.images、Y：mnist.train.labels、keep_prob：1.0 }） 印刷（" イーター" + STR（エポック）+ " 精度のテスト" + STR（test_acc）+ " トレーニング精度" + STR（train_acc））
9.正則
おすすめ
転載: www.cnblogs.com/liuwenhua/p/11605487.html
おすすめ
ランキング