TensorFLow学習(一)---オリジナルWindowsにTensorFlowをインストールし、MNISTマシン学習を行う

2015年11月9日、Googleは人工知能システムTensorFlowを発表し、オープンソースを発表した.【TensorFlow】Googleの長年の内部機器学習システムです.現在、Googleはこのシステムをオープンソースシステムにし、このシステムのパラメータを業界のエンジニア、学者、多くのプログラミング能力を持つ技術者に公表しています.
Windowsシステムやanaconda、spyderのpython開発環境に慣れているため、最近TensorFlowの学習を試みています.以下のチュートリアルは以上に基づいています.主な資料は、TensorFlowの公式ドキュメントに由来します.
ステップ1:anaconda 3のインストール
Pythonサイエンスコンピューティングリリースanaconda 3を公式サイトでダウンロードしてインストールhttps://www.continuum.io/downloads/anacondaにはpython科学計算に関するサードパーティ製ライブラリが多く統合されており、インストールが便利です.
ステップ2:tensorflow仮想環境の構築
【1】cmdコマンドウィンドウを開く【2】tensorflow仮想環境を構築する:conda create–name tensorflow python=3.5【3】仮想環境にspyderをインストールする:conda install-n tensorflow spyderをインストールする【4】仮想環境を起動する:activate tensorflow【5】仮想環境にtensorflowパッケージをインストールする:

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl

【6】仮想環境のシャットダウン:deactivate tensorflow
ステップ3:TensorFlowのテスト
【1】cmdコマンドウィンドウを開く【2】activate tensorflow【3】pythonコンパイラを起動する:python【4】次のコードを入力し、結果を32にすると正常

import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))
32

ステップ4:
【1】MNISTデータセットの公式サイトはYann LeCun’s websiteです.このデータセットを自動的にダウンロードおよびインストールするためのpythonソースコードを次に示します.次のアドレスでダウンロードしたpyファイルを作業アドレスwdに配置しますhttps://raw.githubusercontent.com/tensorflow/tensorflow/master/tensorflow/examples/tutorials/mnist/input_data.py【2】次のコードを実行し、結果を表示します.

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
#  mnist  

#    
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("float", [None,10])

#  cost
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

#      
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#     
init = tf.global_variables_initializer()

#    
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})

#      
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

#         ，      
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

#                     
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))