書寫中存在的問題

mnist

讀取訓(xùn)練集
mnist.train.images
mnist.train.labels

讀取訓(xùn)練集的長度
mnist.train.num_examples

函數(shù)

tf.placeholder() 必須指定數(shù)據(jù)類型，shape可以不指定，這樣就可以使用多種shape了
tf.Variable() 必須給定初始值

tf.reduce_mean和tf.reduce_sum的參數(shù)reduction_indices，即為將哪個(gè)軸壓縮，

tf.multiply和tf.add：有一些細(xì)節(jié)需要注意，這兩個(gè)函數(shù)對同維度的矩陣操作是很簡單的，但是這兩個(gè)函數(shù)也可以對不同維度的矩陣進(jìn)行操作，且這兩個(gè)可以分別被* 和+ 替代。

print格式化輸出

明天再寫，今天沒有做

總結(jié)

以上是生活随笔為你收集整理的使用tensorflow书写逻辑回归的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。