深度学习笔记(9.softmax和TensorFlow入门)

男娘i 2023-06-06 12:03 20阅读 0赞

### 前言 ###

这篇作业是TensorFlow学习，实现softmax多分类，更多的是了解tf1.x代码。现在tf已经有2.0了，不知道2个版本差别有多大。这篇感觉没啥写的，自己练习了一下tf，把练习代码放到github上了。  
程序地址：[https://github.com/ConstellationBJUT/Coursera-DL-Study-Notes][https_github.com_ConstellationBJUT_Coursera-DL-Study-Notes]

### 程序说明 ###

softmax多分类作为DNN的输出层，程序实现有一些技巧  
（1）每个样本通过正向传播输出是一个向量，label需要转化为向量。  
例：3分类，labels=\[0, 1, 1, 2\]，对应4个样本输入分别对应0，1，2三种类别。

def convert_to_one_hot(Y, C):
    	""" :param Y: labels :param C: 类别数 :return: """
        Y = np.eye(C)[Y.reshape(-1)].T
        return Y
    
    a = np.array([0, 1, 1, 2])
    print(convert_to_one_hot(a, 3))

输出结果，每列对应一个样本输出结果

[[1. 0. 0. 0.]
     [0. 1. 1. 0.]
     [0. 0. 0. 1.]]

（2）predict方法，计算准确度，这个真是学到了，很简便。通过位置直接计算。

# Calculate the correct predictions
    # tf.argmax(Z3)：每个样本正向传播计算得到一个Z3向量，在计算Z3向量最大值位置，对应分类
    # tf.argmax(Y)：实际每个样本对应的labels所在位置，即真实分类
    # tf.equal：计算正向传播得到样本分类和实际分类，相同为True，不同为False
    correct_prediction = tf.equal(tf.argmax(Z3), tf.argmax(Y))
    
    # Calculate accuracy on the test set，将True False向量转化为float数值后，计算向量平均值
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

### 结论 ###

程序和课件一样，自己整理学习了一下，加了些注释，放到class2\_week3\_tf目录下了。实在不知道练习代码应该加点什么，哎，学习总结能力还是有待提高。

[https_github.com_ConstellationBJUT_Coursera-DL-Study-Notes]: https://github.com/ConstellationBJUT/Coursera-DL-Study-Notes