TensorFlow教程

# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License Version 2.0 （the “License“）;
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing software
# distributed under the License is distributed on an “AS IS“ BASIS
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================

“““Simple end-to-end LeNet-5-like convolutional MNIST model example.

This should achieve a test error of 0.7%. Please keep this model as simple and
linear as possible it is meant as a tutorial for simple convolutional models.
Run with --self_test on the command line to execute a short self-test.
“““
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import gzip
import os
import sys
import time

import numpy
from six.moves import urllib
from six.moves import xrange  # pylint: disable=redefined-builtin
import tensorflow as tf

SOURCE_URL = ‘http://yann.lecun.com/exdb/mnist/‘
WORK_DIRECTORY = ‘data‘
IMAGE_SIZE = 28
NUM_CHANNELS = 1
PIXEL_DEPTH = 255
NUM_LABELS = 10
VALIDATION_SIZE = 5000  # Size of the validation set.
SEED = 66478  # Set to None for random seed.
BATCH_SIZE = 64
NUM_EPOCHS = 10
EVAL_BATCH_SIZE = 64
EVAL_FREQUENCY = 100  # Number of steps between evaluations.


tf.app.flags.DEFINE_boolean（“self_test“ False “True if running a self test.“）
tf.app.flags.DEFINE_boolean（‘use_fp16‘ False
                            “Use half floats instead of full floats if True.“）
FLAGS = tf.app.flags.FLAGS


def data_type（）:
  “““Return the type of the activations weights and placeholder variables.“““
  if FLAGS.use_fp16:
    return tf.float16
  else:
    return tf.float32


def maybe_download（filename）:
  “““Download the data from Yann‘s website unless it‘s already here.“““
  if not tf.gfile.Exists（WORK_DIRECTORY）:
    tf.gfile.MakeDirs（WORK_DIRECTORY）
  filepath = os.path.join（WORK_DIRECTORY filename）
  if not tf.gfile.Exists（filepath）:
    filepath _ = urllib.request.urlretrieve（SOURCE_URL + filename filepath）
    with tf.gfile.GFile（filepath） as f:
      size = f.size（）
    print（‘Successfully downloaded‘ filename size ‘bytes.‘）
  return filepath


def extract_data（filename num_images）:
  “““Extract the images into a 4D tensor [image index y x channels].

  Values are rescaled from [0 255] down to [-0.5 0.5].
  “““
  print（‘Extracting‘ filename）
  with gzip.open（filename） as bytestream:
    bytestream.read（16）
    buf = bytestream.read（IMAGE_SIZE * IMAGE_SIZE * num_images * NUM_CHANNELS）
    data = numpy.frombuffer（buf dtype=numpy.uint8）.astype（numpy.float32）
    data = （data - （PIXEL_DEPTH /