这不仅仅是另一个使用TensorFlow来做MNIST数字图像识别的教程.docxVIP

这不仅仅是另一个使用TensorFlow来做MNIST数字图像识别的教程请耐心看完这篇博文。每一个人学习机器学习几乎都是从用MNIST数据集来做手写数字图像识别开始的，但是我希望这个教程和其他的有所不同。我记得当TensorFlow在2015年11月被发布的时候，我按照这个《为TensorFlow初学者准备的MNIST教程》里面的步骤，盲目地复制和粘贴其中所有的代码到我的命令行终端。然后一些数字按照它们本应该出现的样子跳了出来。我想“OK，我知道有些神奇的事情发生了。但为什么我看不到它们?”所以我写这篇博文的目的就是制作一个既有交互性还能有可视化的MNIST教程。同时还希望能教给你一两件其他的教程仅仅假定你知道的事情。这个教程里，我会使用TensorFlow的机器学习库，并基于Ubuntu 14.04版和Python3。如果你想了解如何在你自己的系统里安装TensorFlow，可以在这里查看我的其他教程。如果你还没有安装numpy和matplotlib库，你需要安装他们。请打开一个Ubuntu命令行终端，并敲入如下的一行命令：$ sudo apt-get install python-numpy python3-numpy python-matplotlib python3-matplotlib首先，我们需要在终端里开启一个python命令行编辑器，并用如下几行代码导入MNIST数据集（和其他python的依赖库）：fromtensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets(‘MNIST_data’, one_hot=True)importmatplotlib.pyplot as pltimportnumpy as npimport random as ran接着让我们定义几个函数，用来指定从数据集里导入的训练和测试数据的数量。这些代码并不是特别紧要，除非你希望能了解它们背后的逻辑。你需要复制粘贴每个函数，并在终端里敲两次回车。def TRAIN_SIZE(num):print (‘Total Training Images in Dataset = ‘ + str(mnist.train.images.shape))print (‘————————————————–‘)x_train = mnist.train.images[:num,:]print (‘x_train Examples Loaded = ‘ + str(x_train.shape))y_train = mnist.train.labels[:num,:]print (‘y_train Examples Loaded = ‘ + str(y_train.shape))print(”)returnx_train, y_traindef TEST_SIZE(num):print (‘Total Test Examples in Dataset = ‘ + str(mnist.test.images.shape))print (‘————————————————–‘)x_test = mnist.test.images[:num,:]print (‘x_test Examples Loaded = ‘ + str(x_test.shape))y_test = mnist.test.labels[:num,:]print (‘y_test Examples Loaded = ‘ + str(y_test.shape))returnx_test, y_test我们还要定义两个简单的函数来重新排列图像尺寸并显示这些图像数据：defdisplay_digit(num):print(y_train[num])label = y_train[num].argmax(axis=0)image = x_train[num].reshape([28,28])plt.title(‘Example: %d? Label: %d’ % (num, label))plt.imshow(image, cmap=plt.get_cmap(‘gray_r’))plt.show()defdisplay_mult_flat(start, stop):images = x_train[start].reshape([1,784])fori in range(start+1,stop):images = np.concatenate((images, x_train[i].reshape([1,784])))plt.imshow(images, cmap=plt.get_cmap(‘