Tensorflow MNIST(权重和偏差变量)

时间:2016-10-17 13:47:16

标签: python python-3.x machine-learning tensorflow

我正在学习如何将Tensorflow与MNIST教程结合使用,但我在教程的某个方面阻止了这一点。

以下是提供的代码:

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
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)
y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
saver = tf.train.Saver()
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})

但实际上我根本不了解变量" W" (重量)和" b" (偏见)在计算时改变了吗? 在每个批次上,它们初始化为零,但之后? 我不会在代码中看到他们将要改变的所有内容?

提前非常感谢你!

1 个答案:

答案 0 :(得分:11)

TensorFlow variables将其状态从train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 一个cross_entropy调用到下一个。在你的程序中,它们将被初始化为零,然后在训练循环中逐步更新。

更改变量值的代码由此行隐式创建:

sess.run(train_step)

在TensorFlow中,tf.train.Optimizer是一个创建更新变量的操作的类,通常基于相对于这些变量的一些张量(例如,损失)的梯度。默认情况下,当你 调用Optimizer.minimize(),TensorFlow创建操作以更新给定张量(在本例中为func collectionView(_ collectionView: UICollectionView, layout collectionViewLayout: UICollectionViewLayout, sizeForItemAt indexPath: IndexPath) -> CGSize { let nbCol = 2 let flowLayout = collectionViewLayout as! UICollectionViewFlowLayout let totalSpace = flowLayout.sectionInset.left + flowLayout.sectionInset.right + (flowLayout.minimumInteritemSpacing * CGFloat(nbCol - 1)) let size = Int((collectionView.bounds.width - totalSpace) / CGFloat(nbCol)) return CGSize(width: size, height: size) } )所依赖的所有变量

当您调用{{1}}时,会运行包含这些更新操作的图表,因此会指示TensorFlow更新变量的值。