KeiferGu的博客

Tensorflow 学习笔记

发表于 | 分类于 | | 阅读次数

安装

注意： 中文文档中所安装的版本已经过期，请使用官方安装指南安装！
文档地址(仅做内容参考，其中的下载地址均已过期或老旧)：Tensorflow中文文档
首先安装pip:

1
sudo apt-get install python-pip python-dev

由于国内下载pip上的软件包缓慢，所以使用国内源手动安装一部分：

1
sudo pip install --upgrade numpy -i http://pypi.doubanio.com/simple --trusted-host pypi.doubanio.com

然后使用以下命令安装tensorflow：

1
sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

安装完毕后测试是否可以正常使用，打开一个python终端：

1
2
3
4
5
6
7
8
9
10
11
12
$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print sess.run(a+b)
42
>>>

至此，软件安装完毕，有任何问题可以查看官方安装指南,看是否有解决办法。

MNIST训练

下载数据

Tensorflow的代码仓库已经从 GoogleSource 迁移到了 Github,所以指南上提供的链接已经下载不了了。

我建议直接下载整个仓库，因为后面教程需要的所有代码也在里面，后面就不用再下了。

克隆 TensorFlow 仓库:
git clone git@github.com:tensorflow/tensorflow.git

下载完毕后进入tensorflow/examples/tutorials/mnist/目录，这里存放着MNIST的所有代码。

在当前目录创建mymnist.py文件，内容为：

1
2
import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

然后运行该文件，即会自动下载并解压数据。

模型训练

准备工作

阅读这段文字时，我会假设你已经完整的看了一遍
MNIST入门
，并将文章中的代码运行了一遍。以下是完整的’mymnist.py’代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import input_data
import tensorflow as tf
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder("float", [None, 10])
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})

运行后会得到一个0.91左右的输出。

数据集

训练集里面的数据包括图片和标签，例如手写的图片1，和对应的标签1。训练集的图片是一个28x28的图片，这里我们将其转换为一维的向量数据。我默认认为数据是按照列的方式展开，即从上到下，从左到右展开。

训练集的标签是一个10维向量，用来表示数字[0-9]，例如数字 2 ，就是([0,0,1,0,0,0,0,0,0,0])。

Softmax回归

为了得到一张给定图片属于某个特定数字类的证据（evidence），我们对图片像素值进行加权求和。如果这个像素具有很强的证据说明这张图片不属于该类，那么相应的权值为负数，相反如果这个像素拥有有利的证据支持这张图片属于这个类，那么权值是正数。

例如说1,中间有连续向下的像素则说明很可能不是0,不是9等。在实际的数据中则是：
图像-矩阵
在图像二维矩阵中的第[8-10]行或者是其它任意行有连续的1，在我们展开后的训练集中则是有大量的连续的1。这个就是一个很强的证据说明这个图片是数字1。

问题

  1. input_data.py 无法使用
    当尝试运行input_data.py时提示错误信息：
    1
    from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets ImportError: No module named contrib.learn.python.learn.datasets.mnist

原因是因为你安装的 Tensorflow 版本过于老旧，请下载最新版本。

使用 pip show tensorflow 可以查看当前版本。具体安装方法请查看官方安装指南或着本文章的安装部分，以官方为准。请先卸载旧版本（sudo pip uninstall tensorflow）再安装新版本。