图解机器学习：神经网络和TensorFlow的文本分类

newsgroups_test = fetch_20newsgroups(subset='test', categories=categories)

练习模型

在神经收集的术语里，一次 epoch = 一个向前传递(获得输出的值)和一个所有练习示例的向后传递(更新权重)。

还记得 tf.Session.run() 办法吗?让我们细心看看它：

在这篇文┞仿开端的数据流图里，你用到了和操作，然则我们也可以传递一个工作的列表用于运行。在这个神经统??行中将传递两个工作：损耗计算和优化步调。

tf.Session.run(fetches, feed_dict=None, options=None, run_metadata=http://ai.51cto.com/art/201704/None)

feed_dict 参数是我们为每步运行所输入的数据。为了传递这个数据，我们须要定义tf.placeholders(供给给 feed_dict)

正如 TensorFlow 文档中说的：

“占位符的存在只作为输入的目标，它不须要初始化，也不包含数据。” — Source

是以将要像如许定义占位符：

n_input = total_words # Words in vocab 
n_classes = 3         # Categories: graphics, sci.space and baseball 
input_tensor = tf.placeholder(tf.float32,[None, n_input],name="input") 
output_tensor = tf.placeholder(tf.float32,[None, n_classes],name="output")

# Test model 
 index_prediction = tf.argmax(prediction, 1) 
 index_correct = tf.argmax(output_tensor, 1) 
 correct_prediction = tf.equal(index_prediction, index_correct) 
 # Calculate accuracy 
 accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) 
 total_test_data = len(newsgroups_test.target) 
 batch_x_test,batch_y_test = get_batch(newsgroups_test,0,total_test_data) 
 print("Accuracy:", accuracy.eval({input_tensor: batch_x_test, output_tensor: batch_y_test})) 
 Epoch: 0001 loss= 1133.908114347 
 Epoch: 0002 loss= 329.093700409 
 Epoch: 0003 loss= 111.876660109 
 Epoch: 0004 loss= 72.552971845 
 Epoch: 0005 loss= 16.673050320 
 Epoch: 0006 loss= 16.481995190 
 Epoch: 0007 loss= 4.848220565 
 Epoch: 0008 loss= 0.759822878 
 Epoch: 0009 loss= 0.000000000 
 Epoch: 0010 loss= 0.079848485 
 Optimization Finished! 
 Accuracy: 0.75

还将要批量分别你的练习数据：

“如不雅为了可以或许输入而应用占位符，可经由过程应用 tf.placeholder(…, shape=[None, …]) 创建占位符来指定变量批量维度。shape 的 None 元素对应于大年夜小可变的维度。” — Source

在测试模型时，我们将用更大年夜的批处理来供给字典，这就是为什么须要定义一个可变的批处理维度。

get_batches() 函数为我们供给了批处理大年夜小的文本数。如今我们可以运行模型：

training_epochs = 10# Launch the graph 
with tf.Session() as sess: 
    sess.run(init) #inits the variables (normal distribution, remember?) 
    # Training cycle    	
			 6/7   首页 上一页 4 5 6 7 下一页 尾页	
			

　　推荐阅读
　　iOS AFNetworking框架HTTPS请求配置
            
            【引自IamOkay的博客】 iOS在Apple公司的强迫请求下，数据传输必须按照ATS(App Transefer  Security)条目。关于AFNetworking框架传输HTTPS数据。一.AllowsArbitraryLoads 白名单机制NSAll>>>详细阅读


本文标题：图解机器学习：神经网络和TensorFlow的文本分类
地址：http://www.17bianji.com/lsqh/34909.html
 1/2    1