简单卷积神经网络------把数据读进计算图里分批进行训练

alltolove

        像检查身体似的，就是把数据过一遍筛子找出他们的特征。代码如下：

train_steps=10000
test_steps = 100
with tf.Session() as sess:
    sess.run(init)
    
    for i in range(train_steps):
        result_data=sess.run(el_data)
        batch_data=result_data[:,:-1]
        batch_labels=result_data[:,-1]
        test_result_data=sess.run(el_data_test)
        test_batch_data=test_result_data[:,:-1]
        test_batch_labels=test_result_data[:,-1]
        sess.run(train_op,feed_dict={x:batch_data,y:batch_labels})
        loss_val=sess.run(loss,feed_dict={x:batch_data,y:batch_labels})
        acc_val=sess.run(accuracy,feed_dict={x:batch_data,y:batch_labels})
        if (i+1) % 500 == 0:
            print ('[Train] Step: %d, loss: %4.5f, acc: %4.5f' \
                % (i+1, loss_val, acc_val))
        if (i+1) % 5000 == 0:
            all_test_acc_val = []
            for j in range(test_steps):
                test_acc_val = sess.run(
                    [accuracy],
                    feed_dict = {
                        x: test_batch_data, 
                        y: test_batch_labels
                    })
                all_test_acc_val.append(test_acc_val)
            test_acc = np.mean(all_test_acc_val)
            print ('[Test ] Step: %d, acc: %4.5f' % (i+1, test_acc))

        到这里这个简单卷积神经网络的所有代码就写完了，不过运行时要注意，这个程序很费内存和cpu，一定要在电脑最佳状态时运行，如果运行后对电脑有任何损害本人概不负责，软件有风险，运行要谨慎！
        这是我运行3分钟后的结果，如图：

        在用最简单的卷积神经网络，只训练了10000次，对于10分类的任务就有了0.6的准确率已经相当不错了，当然还有很多改进之处，不过那个以后就都好学了。

Dlow

楼主自己都是在哪学的机器学习，感觉好厉害！