• Tensorflow之训练MNIST(1)


    先说我遇到的一个坑,在下载MNIST训练数据的时候,代码报错:

    urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)>

    是因为Python 升级到 2.7.9 之后引入了一个新特性,当使用urllib.urlopen打开一个 https 链接时,会验证一次 SSL 证书。
    而当目标网站使用的是自签名的证书时就会抛出一个 urllib2.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:581)> 的错误消息,详细信息可以在这里查看(https://www.python.org/dev/peps/pep-0476/)。
     
    可以通过2个办法解决:

    1. 使用ssl创建未经验证的上下文,在urlopen中传入上下文参数

    import ssl
    import urllib2
    
    context = ssl._create_unverified_context()
    print urllib2.urlopen("https://www.12306.cn/mormhweb/", context=context).read()

    2. 全局取消证书验证

    import ssl
    import urllib2
     
    ssl._create_default_https_context = ssl._create_unverified_context
     
    print urllib2.urlopen("https://www.12306.cn/mormhweb/").read()

    感谢原文,参见: http://bookshadow.com/weblog/2015/04/22/sae-python-weibo-sdk-certificate-verify-failed/

    进入正题:

    1、新建input_data.py,用于下载MNIST的数据
     1 from __future__ import absolute_import
     2 from __future__ import division
     3 from __future__ import print_function
     4 
     5 import gzip
     6 import os
     7 import tempfile
     8 
     9 import numpy
    10 from six.moves import urllib
    11 from six.moves import xrange  # pylint: disable=redefined-builtin
    12 import tensorflow as tf
    13 from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets
    2、建立Softmax回归模型,并进行训练
    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    
    import input_data
    import tensorflow as tf
    
    #MNIST数据输入
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    
    x = tf.placeholder(tf.float32,[None, 784]) #图像输入向量
    W = tf.Variable(tf.zeros([784,10]))  #权重,初始化值为全零
    b = tf.Variable(tf.zeros([10]))  #偏置,初始化值为全零
    
    #进行模型计算,y是预测,y_ 是实际
    y = tf.nn.softmax(tf.matmul(x,W) + b)
    
    y_ = tf.placeholder("float", [None,10])
    
    #计算交叉熵
    cross_entropy = -tf.reduce_sum(y_*tf.log(y))
    #接下来使用BP算法来进行微调,以0.01的学习速率
    train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
    
    #上面设置好了模型,添加初始化创建变量的操作
    init = tf.initialize_all_variables()
    #启动创建的模型,并初始化变量
    sess = tf.Session()
    sess.run(init)
    #开始训练模型,循环训练1000次
    for i in range(1000):
        #随机抓取训练数据中的100个批处理数据点
        batch_xs, batch_ys = mnist.train.next_batch(100)
        sess.run(train_step, feed_dict={x:batch_xs,y_:batch_ys})
        
    ''' 进行模型评估 '''
    
    #判断预测标签和实际标签是否匹配
    correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1)) 
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    #计算所学习到的模型在测试数据集上面的正确率
    print( sess.run(accuracy, feed_dict={x:mnist.test.images, y_:mnist.test.labels}) )

    原文参见:http://blog.csdn.net/willduan1/article/details/52024254

    乱入一个小广告:最有特点的微信营销平台 www.91ifx.com

     
  • 相关阅读:
    前后端不分离的springboot项目问题:页面框架问题
    SpringBoot使用Filter过滤器处理是否登录的过滤时,用response.sendRedirect()转发报错
    mysql千万级数据优化查询
    java进阶学习的一些思路
    java的List列表转成Tree(树形)结构列表
    cmd 一键获取 所有连接过的wifi 密码
    SQLMap用户手册【超详细】
    Python:SQLMAP参数中文解释
    初识sql注入及sqlmap
    wwwscan网站目录文件批量扫描工具
  • 原文地址:https://www.cnblogs.com/njj10/p/7550743.html
Copyright © 2020-2023  润新知