TensorFlowチュートリアル -MNIST For ML Beginners

mnist_for_ml_beginners.py

#TensorFlowのインポート
import tensorflow as tf
#数値計算用ライブラリのNumpuのインポート
import numpy as np
#tensorflow.contrib.learn.python.learn.datasets.mnist.pyの関数read_data_setsをインポート
from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets

#MNISTデータの読み込み
mnist = read_data_sets("MNIST_data/", one_hot=True)

#入力用変数(データ数:Nne 入力データ:784個)
x = tf.placeholder("float", [None, 784])

#重み用変数(0で初期化)
W = tf.Variable(tf.zeros([784, 10]))
#バイアス用変数(0で初期化)

b = tf.Variable(tf.zeros([10]))

#出力(xとWの内積を計算後にバイアスを足した後にソフトマックス回帰を実行)
#ソフトマックス関数を用いることで出力の合計値が1になる(=確率として表せる)
y = tf.nn.softmax(tf.matmul(x, W) + b)

#正解ラベル用の変数(10個のうち１つの値が1で残りが0)
y_ = tf.placeholder("float", [None, 10])

#交差エントロピー誤差を計算(正解ラベルに対応するyの値が大きいほど0に近くなる)
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))

#勾配降下法を用いて交差エントロピー誤差を最小化
#学習率は0.001(ハイパーパラメータ)
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#セッションで作成したモデルを開始
sess = tf.Session()
#初期化
#tf.initialize_all_variables() ->  tf.global_variables_initializer()
sess.run(tf.global_variables_initializer())

#1000回の学習開始
for i in range(1000):
    #バッチ処理(trainから100個をランダムに取得)
    batch_xs, batch_ys = mnist.train.next_batch(100)
    #feet_dictではxとy_のplaceholderに値を置き換え
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})


#モデルを評価
#argmax(y,1) : yの中で一番大きな値のインデックスを計算
#tf.equal(,) : 値が一致していればTrue、していなければFalse
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))

#tf.cast() : bool型をfloat型にキャスト(True =1, False =0)
#tf.reduce_mean() : 平均値を計算
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

#精度計算(=MnistのTestを用いる)
print (sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))