文章预览
本文对《TensorFlow:实战Google深度学习框架》第5章的源代码进行了勘误。另外,原书中未详细列出的不同情况下的其他模型的代码,本文补充了这些模型的代码。此外,本文补充了代码运行的结果,并最终综合比较了不同模型的结果,以供参考。 1 MNIST数据处理 import tensorflow as tf
# 1. 读取数据集,第一次TensorFlow会自动下载数据集到下面的路径中
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
# 2. 数据集会自动被分成3个子集,train、validation和test。以下代码会显示数据集的大小。
print("Training data size: ", mnist.train.num_examples)
print("Validating data size: ", mnist.validation.num_examples)
print("Testing data size: ", mnist.test.num_examples)
# 3. 查看training数据集中某个成员的像素矩阵生成的一维数组和其属于的数字标签。
print("Example traini
………………………………