Question

我指的是tensorflow给出的 Deep MNIST for Experts教程。我在该教程的Train and Evaluate部分遇到了问题。他们在那里给出了如下示例代码。

class WrappedBatchConfigurable<T extends BatchContext, E extends BatchConfigurable<T>> {}

因此，在这些代码段中，他们一次使用cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv),reduction_indices=[1])) train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) sess.run(tf.initialize_all_variables()) for i in range(20000): batch = mnist.train.next_batch(50) if i%100 == 0: train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0}) print("step %d, training accuracy %g"%(i, train_accuracy)) train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5}) print("test accuracy %g"%accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))。还有其他时间accuracy.eval()。据我所知，它们都是张量变量。

在某些情况下，我看过像