首页 > Windows开发 > 详细

吴裕雄--天生自然TensorFlow高层封装:Keras-TensorFlow API

时间:2019-12-25 15:16:17      阅读:124      评论:0      收藏:0      [点我收藏+]
# 1. 模型定义。
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist_data = input_data.read_data_sets(F:\\TensorFlowGoogle\\201806-github\\datasets\\MNIST_data, one_hot=True)

# 通过TensorFlow中的placeholder定义输入。
x = tf.placeholder(tf.float32, shape=(None, 784))
y_ = tf.placeholder(tf.float32, shape=(None, 10))

net = tf.keras.layers.Dense(500, activation=relu)(x)
y = tf.keras.layers.Dense(10, activation=softmax)(net)
acc_value = tf.reduce_mean(tf.keras.metrics.categorical_accuracy(y_, y))

loss = tf.reduce_mean(tf.keras.losses.categorical_crossentropy(y_, y))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(loss)

技术分享图片

# 2. 模型训练。
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    for i in range(3000):
        xs, ys = mnist_data.train.next_batch(100)
        _, loss_value = sess.run([train_step, loss], feed_dict={x: xs, y_: ys})
        if i % 1000 == 0:
            print("After %d training step(s), loss on training batch is %g." % (i, loss_value))

    print(acc_value.eval(feed_dict={x: mnist_data.test.images,y_: mnist_data.test.labels}))

技术分享图片

 

吴裕雄--天生自然TensorFlow高层封装:Keras-TensorFlow API

原文:https://www.cnblogs.com/tszr/p/12096728.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!