好久沒有靜下心來寫點東西了，最近好像又回到了高中時候的狀態，休息不好，無法全心學習，惡性循環，現在終於調整的好一點了，聽著純音樂突然非常傷感，那些曾經快樂的大學時光啊，突然又慢慢的一下子出現在了眼前，不知道我大學的那些小夥伴們現在都怎麽樣了，考研的剛剛希望他考上，實習的菜頭希望他早日脫離苦海，小瑞哥希望他早日出成果，範爺熊健研究生一定要過的開心啊！天哥也哥早日結婚領證！那些回不去的曾經的快樂的時光，你們都還好嗎！

最近開始接觸Tensorflow，可能是論文裏用的是這個框架吧，其實我還是覺得pytorch更方便好用一些，仔細讀了最簡單的Mnist手寫識別程序，覺得大同小異，關鍵要理解Tensorflow的思想，文末就寫一下自己看交叉熵的感悟，絮叨了這麽多開始寫點代碼吧！ 1

  2 """
  3 Created on Sun Nov 11 16:14:38 2018
  4 
  5 @author: Yang
  6 """
  7 
  8 import tensorflow as tf 
  9 from tensorflow.examples.tutorials.mnist import input_data 
 10 
 11 mnist = input_data.read_data_sets("/MNIST_data",one_hot=True) #從input_data中讀取數據集，使用one_hot編碼
 
 12 
 13 import pylab #畫圖模塊
 14 
 15 tf.reset_default_graph()#重置一下圖 圖代表了一個運算過程，包含了許多Variable和op，如果不重置一下圖的話，可能會因為某些工具重復調用變量而報錯
 16 
 17 x = tf.placeholder(tf.float32,[None,784])#占位符，方便用feed_dict進行註入操作
 18 y = tf.placeholder(tf.float32,[None,10])#占位符，方便用feed_dict進行註入操作

 20 
 21 W = tf.Variable(tf.random_normal([784,10]))#要學習的參數統一用Variable來定義，這樣方便進行調整更新
 
 22 b = tf.Variable(tf.zeros([10]))
 23 
 24 
 25 #construct the model 
 26 pred = tf.nn.softmax(tf.matmul(x,W) + b)
 27 
 28 cost = tf.reduce_mean(-tf.reduce_sum(y*tf.log(pred),reduction_indices=1))
 29 
 30 learning_rate = 0.01
 31 
 32 optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
 33 
 34 #set parameters about thee model 
 35 training_epoch = 25 
 36 batch_size = 100
 37 display_step = 1
 38 saver = tf.train.Saver()
 39 model_path = "log/kerwinsmodel.ckpt"
 40 
 41 #start the session 
 42 
 43  with tf.Session() as sess :
 44      sess.run(tf.global_variables_initializer())
 45      
 46      for epoch in range(training_epoch):
 47          avg_cost = 0
 48          total_batch = int(mnist.train.num_examples/batch_size)
 49          print(total_batch)
 50          for  i in range(total_batch):
 51              batch_xs,batch_ys = mnist.train.next_batch(batch_size)
 52              
 53              _,c = sess.run([optimizer,cost],feed_dict={x:batch_xs,y:batch_ys})
 54              
 55              avg_cost += c/ total_batch
 56          if (epoch +1 ) % display_step ==0:
 57              print("Epoch:",‘%04d‘ %(epoch+1),"cost=","{:.9f}".format(avg_cost))
 58              
 59      print("Finish!")
 60      
 61      correct_prediction = tf.equal(tf.argmax(pred,1),tf.argmax(y,1))
 62      accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
 63      print("Accuracy:",accuracy.eval({x:mnist.test.images,y:mnist.test.labels}))
 64      
 65      save_path = saver.save(sess,model_path)
 66      print("Model saved in file: %s" % save_path)
 67  #    
 68 
 69     
 70 #讀取模型程序
 71 
 72 print("Starting 2nd session...")
 73 with tf.Session() as sess:
 74     sess.run(tf.global_variables_initializer())
 75     saver.restore(sess,model_path)
 76     
 77     #測試model
 78     correct_prediction = tf.equal(tf.arg_max(pred,1),tf.argmax(y,1))
 79     #計算準確率
 80     accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
 81     print("Accuracy:",accuracy.eval({x:mnist.test.images,y:mnist.test.labels}))
 82     
 83     output = tf.argmax(pred,1)
 84     batch_xs,batch_ys = mnist.train.next_batch(2)
 85     outputval,predv = sess.run([output,pred],feed_dict={x:batch_xs})
 86     print(outputval,predv,batch_ys)
 87     
 88     im = batch_xs[0]
 89     im = im.reshape(-1,28)
 90     pylab.imshow(im)
 91     pylab.show()
 92     
 93     im = batch_xs[1]
 94     im = im.reshape(-1,28)
 95     pylab.imshow(im)
 96     pylab.show()
 97     
 98     
 99     
100         

#占位符，方便用feed_dict進行註入操作

Tensorflow編程基礎之Mnist手寫識別實驗+關於cross_entropy的理解