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!
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。