美文网首页
tensorflow 实现一个Softmax Regressio

tensorflow 实现一个Softmax Regressio

作者: Do_More | 来源:发表于2017-07-27 20:06 被阅读0次
    import tensorflow as tf
    
    sess = tf.InteractiveSession()
    x = tf.placeholder(tf.float32, [None,784])
    W = tf.Variable(tf.zeros([784,10]))
    b = tf.Variable(tf.zeros([10]))
    
    y = tf.nn.softmax(tf.matmul(x,W) + b)
    

    定义cross-entropy(损失函数)

    y_ = tf.placeholder(tf.float32,[None,10])
    # loss function
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),reduction_indices=[1]))
    

    优化算法

    # 定义优化算法-随机梯度下降SGD(Stochastic Gradient Descent)
    # 重复进行反向传播(Back Propagation)和梯度下降
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
    # 全局参数初始化器
    tf.global_variables_initializer().run()
    

    相关文章

      网友评论

          本文标题:tensorflow 实现一个Softmax Regressio

          本文链接:https://www.haomeiwen.com/subject/fcdtlxtx.html