Tensorflow深度学习应用(进阶篇)-1

#coding=gbk'''
逻辑回归:逻辑回归需要将输出控制在[0,1]之间,可以使用函数将值映射在[0,1]之间Sigmod函数,逻辑回归一般采用对数损失函数;
'''
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']  #设置显示绘图显示中文
mpl.rcParams['axes.unicode_minus'] = False  #防止中文乱码,有时候第一句不能完全避免显示错误#导入tensorflow 模块
import tensorflow.compat.v1 as tf
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.utils import shuffleimport tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)print("训练集:", mnist.train.num_examples,"测试集:", mnist.test.num_examples,"验证集", mnist.validation.num_examples)print("Image shape:", mnist.train.images.shape,"labels shape:",mnist.train.labels.shape)
'''运行结果:
训练集: 55000 测试集: 10000 验证集 5000
Image shape: (55000, 784) labels shape: (55000, 10)
分析:图像数据,有55000条数据,每条特征有784个(28x28的灰度图,只有一个颜色通道)标签图像数据:有55000条,每条长度为10(one_hot编码的数据)
'''#显示图像函数定义
def plot_image(image):plt.imshow(image.reshape(28, 28), cmap='binary')plt.show()plot_image(mnist.train.images[3])
print(mnist.train.labels[3])
'''
显示数字6;
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0.],对应的标签,为1的代表数字6这种编码方式是one_hot独热编码方式
'''#取得独热编码的值,若one_hot设置为False,则标签中就直接为值
val = np.argmax(mnist.train.labels[3])#获取编码对应的值,
print(val)  #值为数字6#数据集的划分,可以将数据分为训练集,测试集,验证集,可以大幅度减低过拟合的发生几率#数据的批量读取
mnist.train.images[0:10]#切片
batch_images_xs, batch_labels_ys = \mnist.train.next_batch(batch_size=10)  #自动移动x = tf.placeholder(tf.float32, [None, 784], name='x')
y = tf.placeholder(tf.float32, [None, 10], name='y')
w = tf.Variable(tf.random_normal([784, 10], name='w'))#正态随机数初始化
b = tf.Variable(tf.zeros([10], name='b'))#前向计算
f = tf.matmul(x, w) + b#计算结果分类,表示为哪一类的概率值,将值控制在[0,1]之间
p = tf.nn.softmax(f)#模型构建
train_c = 80
#批量数据大小
b_size = 100
#全部需要几个批次训练一次
total_b_size = int(mnist.train.num_examples / b_size)
step = 1
learning_rate = 0.01#损失函数(交叉熵损失函数)
loss_Fun = tf.reduce_mean(-tf.reduce_sum(y * tf.log(p), reduction_indices=1))
#优化器
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss_Fun)
#检查预测类别tf.argmax(p,1)与实际类别tf.argmax(y,1)的匹配情况
correct_prediction = tf.equal(tf.argmax(p, 1), tf.argmax(y, 1))#准确率,将bool转换为浮点数,计算平均值
ave = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)for i in range(train_c):for batch in range(total_b_size):x_, y_ = mnist.train.next_batch(b_size)sess.run(optimizer, feed_dict={x: x_, y: y_})#使用验证数据集计算误差与准确率loss, acc = sess.run([loss_Fun, ave], feed_dict={x: mnist.validation.images, y: mnist.validation.labels})print("Train count:", i + 1, "Loss=", "{:.9f}".format(loss), "acc=", "{:.4f}".format(acc))
print("训练结束!")#模型运用
Predict_Result = sess.run(tf.argmax(p, 1), feed_dict={x: mnist.test.images})
print(Predict_Result[0:10])def plot_Result(images, labels, prediction, index, num=10):fig = plt.gcf()fig.set_size_inches(10, 12)if num > 25:num = 25for i in range(0, num):ax = plt.subplot(5, 5, i + 1)ax.imshow(np.reshape(images[index], (28, 28)), cmap='binary')title = "label=" + str(np.argmax(labels[index]))if len(prediction) > 0:title += ",predict=" + str(prediction[index])ax.set_title(title, fontsize=10)#不显示坐标轴ax.set_xticks([])ax.set_yticks([])index += 1plt.show()plot_Result(mnist.test.images,mnist.test.labels,Predict_Result,10,10)

在这里插入图片描述
附:
本文章学习自中国大学mooc-深度学习应用开发-Tensorflow实战

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/484304.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

​20210716未来智能实验室收录资料

20210716未来智能实验室收录资料特别推荐:置顶收录未来智能实验室在人民日报《学术前沿》发表的城市大脑最新综述研究论文和报告《城市大脑的起源、发展与未来趋势》。本期收录前沿科技进展材料52篇1.《科学》:媲美AlphaFold2的蛋白质结构预测新工具问世…

Jq将字符串复制粘贴到剪贴板

第一种&#xff1a; 自己测试时 只适合于input 和textarea 但是针对于其他标签的复制就不能用了。代码如下&#xff1a; <!DOCTYPE html> <html><head><meta http-equiv"Content-Type" content"text/html; charsetutf-8" /><…

元宇宙深度研究报告:元宇宙是互联网的终极形态?

报告出品方&#xff1a;华安证券作者&#xff1a;尹沿技、张天、姚天航1 元宇宙&#xff1a;剑指互联网的“终极形态”1.1 元宇宙指向互联网的终极形态元宇宙&#xff08;Metaverse&#xff09;概念起源于科幻小说&#xff0c;或指向互联网的“终极形态”。Metaverse 一词来源于…

论文写作

1.文献综述 站在巨人的肩膀上&#xff0c;找到自己的创新点(别人没做过的),文献综述可以帮你理清思路&#xff0c;找到切入点&#xff0c;在别人的基础上&#xff0c;做出高于别人的综述&#xff0c;这正是文献综述的意义。 内容与结构规划 目的 找出研究的空白&#xff0c;基…

6、Django模板语法

123 转载于:https://www.cnblogs.com/pyedu/p/10289330.html

Unity基础

Unity3D 游戏开发 第一章 基础知识 Unity是一个用于创建游戏和三维互动内容的开发工具&#xff0c;是一个专业游戏引擎。 2D游戏&#xff1a;视角锁定&#xff0c;二维坐标。 3D游戏&#xff1a;任意视角&#xff0c;三维坐标。 虚拟现实&#xff08;VR&#xff09;&#x…

英特尔史上最大收购!英特尔拟300亿美元收购GF,审批成关键!

来源&#xff1a;EETOP据《华尔街日报》报道&#xff0c;知情人士称&#xff0c;英特尔打算斥资约300 亿美元收购晶圆代工大厂格罗方德&#xff08;GlobalFoundries&#xff09;&#xff0c;以加速生产更多芯片&#xff0c;如果收购成功&#xff0c;这将是英特尔有史以来最大的…

CentOS 7 定时计划任务设置

概述  就像再windows上有计划任务一样&#xff0c;centos7 自然也有计划任务&#xff0c;而且设置更为灵活&#xff0c;好用。再centos7 上可以利用crontab 来执行计划任务&#xff0c; 依赖与 crond 的系统服务&#xff0c;这个服务是系统自带的&#xff0c;可以直接查看状态…

Unity 基本操作

基本操作 物体的组合 1.从需要的组合的物体中选择一个作为父对象&#xff0c;其他的物体作为子对象&#xff0c;即把子对象拖拽到父对象里&#xff0c;操作父对象即可实现整体操作&#xff0c;效果如下。 2.在组合物体中&#xff0c;父对象的坐标是该组合体的坐标&#xff0c…

OpenAI雄心勃勃的机器人计划失败了:强化学习没法用?

来源&#xff1a;机器之心曾经训练出单手解魔方机器人的 OpenAI&#xff0c;眼下已经解散了机器人团队。这家执着于实现通用人工智能&#xff08;AGI&#xff09;的公司现在放弃了机器人研究&#xff0c;理由是「数据不够丰富」。近期&#xff0c;OpenAI 公司联合创始人 Wojcie…

Unity-游戏小地图实战(前述知识点回顾与运用)

阶段知识回顾与运用---游戏中小地图实战 对于多个摄像机&#xff0c;每个摄像机都带有音频监听器&#xff0c;会出现错误&#xff0c;因为我们只需要一个音频监听器&#xff0c;为了消除错误&#xff0c;需要移除其他摄像机的音频监听器&#xff0c;只保留主摄像机的音频监听器…

NTT高级科学家:光子是深度学习的未来!光子有望替代电子计算机加速神经网络计算...

来源&#xff1a;AI科技评论作者&#xff1a;Ryan Hamerly编译&#xff1a;陈彩娴近日&#xff0c;来自日本 NTT 研究所的高级科学家 Ryan Hamerly 在 IEEE Spectrum 上发表了一篇文章&#xff08;“The Future of Deep Learning Is Photonic”&#xff09;&#xff0c;谈论了光…

Unity3D-InstantOC遮挡剔除

InstantOC&#xff08;插件&#xff09; 渲染管线 图形数据在GPU上经过运算处理&#xff0c;最后输出到屏幕的过程。对于显示出来的图形&#xff0c;CPU与GPU的分工 CPU判断需要显示的图形图像调用图形API&#xff1b;绘制调用&#xff08;Draw Call&#xff09;&#xff1a;每…

WCF系列(一)BasicHttpBinding 和 WsHttpBinding 的不同点

aaaaaaaaaaaaaaaaaa WCF系列&#xff08;一&#xff09;【翻译】BasicHttpBinding 和 WsHttpBinding 的不同点 2010-02-21 12:23 by Virus-BeautyCode, 20206 阅读, 7 评论, 收藏, 编辑 原文地址&#xff1a;Difference between BasicHttpBinding and WsHttpBinding 1、简介 WC…

Unity3D-光照系统

光照系统 1. Global Illumination&#xff08;全局光照&#xff09; GI,能够计算直接光&#xff0c;间接光&#xff0c;环境光以及反射光的光照系统。通过GI算法&#xff0c;渲染出光照效果更为真实的场景。 2. 直接光 从光源直接放出的光&#xff0c;通过Light组件实现。 …

Tomaso A.Poggio教授丨人工智能的下一个突破点在何处?

来源&#xff1a;图灵人工智能AI的成功故事在过去的25年中&#xff0c;尤其是在刚刚过去的十年中&#xff0c;AI&#xff0c;特别是机器学习&#xff0c;已经拥有了十足可观的进展。两个主要的成功故事第一个是AlphaGo。在虚拟的游戏世界中&#xff0c;AI绝对已经战胜了人类。A…

Unity3D-声音系统

声音 1.Unity3D支持的音频文件 mp3、ogg、wav、aif、mod、it、s3m、xm。 2.声音分为2D&#xff0c;3D两种 3D声音:有空间感&#xff0c;近大远小&#xff1b;2D声音&#xff1a;适合做背景音乐。 3.在场景中产生声音&#xff0c;主要有两个总要的组件&#xff1a; Audio …

当可解释人工智能遇上知识图谱

来源&#xff1a;知乎—机器学习小谈地址&#xff1a;https://zhuanlan.zhihu.com/p/386458680本文按照以下章节进行组织&#xff1a;1. 背景意义2. 基于路径的方法3. 基于嵌入的方法4. 总结与展望01背景意义1.1 什么是可解释性&#xff1f;首先&#xff0c;什么是可解释性。由…

Unity3D-C#脚本介绍

Unity3D脚本介绍 脚本就是附加在游戏物体上用于定义游戏对象行为的指令代码。Unity支持C#高级编程语言。 1.语法结构 using 命名空间; public class 类名&#xff1a;Monobehaviour {void 方法名&#xff08;&#xff09;{Debug.Log("调试信息.");print("调用…

JConsole连接远程linux服务器配置

1.在远程机的tomcat的catalina.sh中加入配置 (catalina.sh路径在tomcat/bin下面 如/usr/local/tomcat/bin) 1 if [ "$1" "start" ];then 2 JAVA_OPTS"$JAVA_OPTS -Djava.rmi.server.hostname192.168.10.98 -Dcom.sun.management.jmxremote"…