TensorFlow实现Softmax Regression识别手写数字

01

TensorFlow

1.TensorFlow最初由Google Brain的研究员和工程师们开发出来，用于加速机器学习和深度神经网络方面的研究，但这个系统的通用性使其可以广泛应用于语音识别、自然语言理解、计算机视觉等其他计算领域。

2.TensorFlow使用计算图来规划数据计算流程，，每一个运算操作将作为一个节点（node）,节点与节点之间的连接成为边（edge）,在计算图的边中流动（flow）的数据被称为张量（tensor）,故得名TensorFlow。

02

TensorFlow安装

1.Linux

1.安装Anaconda(下载Anaconda，bash ***.sh）

2.安装tensorflow两种情况：

(a).安装编译好的release版本:pip install tensorflow

(b).使用源码编译安装

problem:

（1）tensorflow 非法指令（核心已经转储）

提示：tensorflow1.6版本不行，1.3版本就可以 安装对应whl试试

3.pycharm安装

（1）Linux: (下载，解压，到pycharm/bin目录下 sh pycharm.sh)

Windows(64位系统)

1.安装Anaconda(注意添加PATH)

2.打开Anaconda Prompt 创建一个tensorflow的环境

conda create -n tensorflow python=3.6

activate tensorflow //启动TensorFlow环境

pip install --upgrade --ignore-installed tensorflow //安装cpu版本的tensorflow（下面测试不成功，安装版本不行，换了另一个版本：pip install --upgrade tensorflow1.3.whl的版本网址 安装成功）

测试tensorflow

python //在tensorflow环境下

import tensorflow as tf

hello=tf.constant("Hello,TensorFlow")

sess=tf.Session()

print(sess.run(hello))

注意：要在要在Anaconda Navigator的tensorflow里面安装要用到的库

3.安装Pycharm(选择安装32位或者64位（根据电脑配置选择），第一次安装建议勾选Download and install JRE x86 by JetBrains)

//cpu版本的tensorflow：pip install tensorflow

//gpu版本的tensorflow：pip install tensorflow-gpu

03

Softmax Regression识别手写数字

MNIST数据集：

（训练集：55000个样本，测试集：10000个样本，验证集：5000个样本）

图像：28像素*28像素大小的灰度图片

空白部分全部为0，有笔迹的地方根据颜色深浅有0到1之间的取值。

为了简化问题，我们丢弃了图片的空间结构的信息，将28*28个点展开成1维的结果（28*28=784）。

训练数据特征：55000*784

训练数据标签：55000*10

接下来就使用tensorFlow实现一个Softmax Regression:

（1）定义tensor：x，weight，biases

（3）定义成本函数：loss

（4）选定优化器：Optimizer

（5）创建Session，迭代的对数据进行训练

（6）在测试集或验证集上对准确率进行评测

Softmax对MNIST数据进行分类识别，在测试集上的准确率接近92%

我在下面这个地址上：

http://scs.ryerson.ca/~aharley/vis/conv/flat.html

去测试了一下它的识别情况，分别写了三个6，正确率还是蛮高的。