Tensorflow MNIST 数据集测试代码入门
2016-02-19 14:36
821 查看
本系列文章由 @yhl_leo 出品,转载请注明出处。
文章链接: /article/3666860.html
测试代码已上传至GitHub:yhlleo/mnist
将MNIST数据集,下载后拷贝到文件夹
运行完毕后,打开终端
文章链接: /article/3666860.html
测试代码已上传至GitHub:yhlleo/mnist
将MNIST数据集,下载后拷贝到文件夹
Mnist_data中,如果已经配置好
tensorflow环境,主要的四个测试代码文件,都可以直接编译运行:
mnist_softmax.py: MNIST机器学习入门
mnist_deep.py: 深入MNIST
fully_connected_feed.py: TensorFlow运作方式入门
mnist_with_summaries.py: Tensorboard训练过程可视化
mnist_softmax.py运行结果比较简单,就不列举。
mnist_deep.py迭代运行较为耗时,结果已显示在博客: 深入MNIST code测试 。
fully_connected_feed.py的运行结果如下(本人电脑为2 CPU,没有使用GPU):
[code]Extracting Mnist_data/train-images-idx3-ubyte.gz Extracting Mnist_data/train-labels-idx1-ubyte.gz Extracting Mnist_data/t10k-images-idx3-ubyte.gz Extracting Mnist_data/t10k-labels-idx1-ubyte.gz I tensorflow/core/common_runtime/local_device.cc:25] Local device intra op parallelism threads: 2 I tensorflow/core/common_runtime/local_session.cc:45] Local session inter op parallelism threads: 2 Step 0: loss = 2.33 (0.023 sec) Step 100: loss = 2.09 (0.007 sec) Step 200: loss = 1.76 (0.009 sec) Step 300: loss = 1.36 (0.007 sec) Step 400: loss = 1.12 (0.007 sec) Step 500: loss = 0.74 (0.008 sec) Step 600: loss = 0.78 (0.006 sec) Step 700: loss = 0.69 (0.007 sec) Step 800: loss = 0.67 (0.007 sec) Step 900: loss = 0.52 (0.010 sec) Training Data Eval: Num examples: 55000 Num correct: 47532 Precision @ 1: 0.8642 Validation Data Eval: Num examples: 5000 Num correct: 4360 Precision @ 1: 0.8720 Test Data Eval: Num examples: 10000 Num correct: 8705 Precision @ 1: 0.8705 Step 1000: loss = 0.56 (0.013 sec) Step 1100: loss = 0.50 (0.145 sec) Step 1200: loss = 0.33 (0.007 sec) Step 1300: loss = 0.44 (0.006 sec) Step 1400: loss = 0.39 (0.006 sec) Step 1500: loss = 0.33 (0.009 sec) Step 1600: loss = 0.56 (0.008 sec) Step 1700: loss = 0.50 (0.007 sec) Step 1800: loss = 0.42 (0.006 sec) Step 1900: loss = 0.41 (0.006 sec) Training Data Eval: Num examples: 55000 Num correct: 49220 Precision @ 1: 0.8949 Validation Data Eval: Num examples: 5000 Num correct: 4520 Precision @ 1: 0.9040 Test Data Eval: Num examples: 10000 Num correct: 9014 Precision @ 1: 0.9014 [Finished in 22.8s]
mnist_with_summaries.py主要提供了一种在Tensorboard可视化方法,首先,编译运行代码:
运行完毕后,打开终端
Terminal,输入
tensorboard --logdir=/tmp/mnist_logs(与
writer = tf.train.SummaryWriter('/tmp/mnist_logs', sess.graph_def)中的文件路径一致),终端中就会运行显示:
Starting TensorBoard on port 6006 (You can navigate to http://localhost:6006)[/code]
然后,打开浏览器,输入链接http://localhost:6006:
其中,有一些选项,例如菜单栏里包括EVENTS, IMAGES, GRAPH, HISTOGRAMS,都可以一一点开查看~
另外,此时如果不关闭该终端,是无法在其他终端中重新生成可视化结果的,会出现端口占用的错误,更多详细信息可以查看英文原文:TensorBoard: Visualizing Learning。
如有纰漏,欢迎指正!
相关文章推荐
- php 引用详解
- java中transient关键字
- Eclipse搭建SSH(Struts2+Spring3+Hibernate3)框架项目教程
- 简单爬虫模拟登陆phpmyadmin
- spring初步学习---注入配置文件变量
- hdu java 2148
- C#几种异步编程
- Eclipse创建Maven Project和Maven Module
- 用python读取excel
- java的几种for循环方法
- Java动态代理
- 使用异步套接字客户端代码
- python多态
- Java陷阱之assert关键字
- Python中使用OpenCV库来进行简单的气象学遥感影像计算
- 【VB.NET】获取机器名称和IP地址
- java基础—java的Io操作学习(2)
- MPEG-7描述子(2)——可伸缩颜色描述子SCD
- Django函数——url()
- 打印一个九九乘法表