TEL. 053-453-6585
OPEN&CLOSE.  9:00~19:00
CLODED SHOP.  MONDAY
 
 
 

텐서플로우 mnist 예제

2019年8月3日

위의 shape() 작업에서 -1은 batch_size 차원이 입력 데이터의 예제 수에 따라 동적으로 계산된다는 것을 의미합니다. 각 예제에는 7(풀2 높이) * 7(풀2 너비) * 64(풀2 채널) 피처가 있으므로 피처 차원에 7 * 7 * 64(총 3136)의 값을 갖기를 원합니다. 출력 텐서, pool2_flat은 모양 [batch_size, 3136]을 가합니다. 이 자습서는 재미를 얻는 곳: 1-10 교육 예제를 사용 하는 경우 가중치의 시각화에 어떻게 되는지 주의. 너무 적은 데이터를 사용하면 일반화하기가 매우 어려워집니다. 다음은 트레이닝 크기를 늘리면서 가중치가 어떻게 변하는지 보여주는 애니메이션입니다. 당신은 무슨 일이 일어나고 있는지 볼 수 있습니까? 끝에 얼마나 가까이, 손실은 여전히 감소하지만 우리의 정확도는 약간 내려 갔다 주의? 이는 교육 데이터의 손실을 최소화할 수 있지만 정확도 측정에 사용되는 보이지 않는 테스트 데이터를 예측하는 데 는 도움이 되지 않을 수 있음을 보여줍니다. 이를 오버피팅(일반화아님)이라고도 합니다. 기본 설정으로 약 91 %의 정확도를 얻었습니다. 94%의 정확도를 얻기 위해 속임수를 쓰는 경우 테스트 예제를 100으로 설정할 수 있습니다. 이는 테스트 예제가 충분하지 않으면 편향된 정확도 감각을 제공할 수 있는 방법을 보여줍니다. 이제 모델을 성공적으로 정의했으므로 모델을 학습할 차례입니다. 그라데이션 하강 및 백 전파의 도움으로이 작업을 수행 할 수 있습니다.

로지스틱 회귀, 동적 이완 및 기타 많은 다른 최적화 알고리즘도 사용할 수 있습니다. 그러나 주어진 예제에서는 비용 함수 최적화를 위해 학습 률이 0.5인 그라데이션 하강을 사용합니다. 시작하려면, 당신은 단순히 텐서 플로우의 최신 버전이 설치해야합니다. 먼저 모델 폴더를 파이썬 경로에 추가했는지 확인하십시오. 그렇지 않으면 ImportError: official.mnist라는 모듈이 없는 등의 오류가 발생할 수 있습니다. 공식 웹 사이트 : http://yann.lecun.com/exdb/mnist/. 이것은 대화 형 세션을 시작하고 변수는 텐서 플로우 응용 프로그램에 의해 초기화 | 텐서플로우의 다양한 용도 알아보기 자리 표시자에게 없음을 할당하면 자리 표시자가 원하는 만큼 예제를 제공할 수 있습니다. 이 경우 자리 표시자는 784 크기의 값을 다수 공급할 수 있습니다. 주어진 예제의 경우 예측 클래스는 가장 높은 원시 값을 가진 로그 텐서의 해당 행에 있는 요소입니다.

우리는 tf.argmax 함수를 사용하여이 요소의 인덱스를 찾을 수 있습니다 : 태그 : 모델 정확도 확인데이터 집합MNIST 데이터베이스MNIST 데이터 집합의 구현텐서플로우MNIST 텐서플로우소프트맥스 회귀 소프트웨어 회귀 텐서플로우텐서플로우 MNIST 뮤지엄 데이터셋 은 mnist 변수를 사용하여 방금 가져온 데이터 집합의 크기를 확인할 수 있습니다.

コメント