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

 from __future__ import absolute_import
 from __future__ import division
 from __future__ import print_function

 import gzip
 import os
 import tempfile

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