Python |用张量流分类手写数字
原文:https://www.geesforgeks.org/python-分类-手写-数字-with-tensorflow/
对手写数字进行分类是机器学习的基本问题，可以通过多种方式来解决这里我们将通过使用 TensorFlow 使用具有 tf.contrib.learn 的线性分类器算法来实现它们。线性分类器通过基于特征的线性组合(也称为特征值)的值进行选择来实现手写数字的分类，并且通常以称为特征向量的向量呈现给机器。 所需模块: NumPy :
$ pip install numpy
$ pip install matplotlib
张量流 ：
$ pip install tensorflow
后续步骤
第一步:导入所有依赖
蟒蛇 3
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
learn = tf.contrib.learn
tf.logging.set_verbosity(tf.logging.ERROR)
步骤 2 : 使用 MNIST 数据 导入数据集
蟒蛇 3
mnist = learn.datasets.load_dataset('mnist')
data = mnist.train.images
labels = np.asarray(mnist.train.labels, dtype=np.int32)
test_data = mnist.test.images
test_labels = np.asarray(mnist.test.labels, dtype=np.int32)
在此步骤之后，将下载 mnist 数据集。 输出:
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
第三步:制作数据集
蟒蛇 3
max_examples = 10000
data = data[:max_examples]
labels = labels[:max_examples]
