텐서플로우에서 제공하는 툴을 이용해 MNIST 데이터를 다운받습니다.



In [1]:

    
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)









    



Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz



In [3]:

    
import tensorflow as tf



In [4]:

    
tf.convert_to_tensor(mnist.train.images).get_shape()









    Out[4]:





TensorShape([Dimension(55000), Dimension(784)])

가중치 텐서와 바이어스 텐서를 만듭니다.



In [2]:

    
import tensorflow as tf

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

훈련 이미지 데이터를 넣을 플레이스홀더와 소프트맥스 텐서를 만듭니다.



In [3]:

    
x = tf.placeholder("float", [None, 784])
y = tf.nn.softmax(tf.matmul(x,W) + b)

실제 레이블을 담기위한 텐서와 교차 엔트로피 방식을 이용하는 그래디언트 디센트 방식을 선택합니다.



In [4]:

    
y_ = tf.placeholder("float", [None,10])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

변수를 초기화하고 세션을 시작합니다.



In [5]:

    
sess = tf.Session()
sess.run(tf.initialize_all_variables())

1000의 반복을 수행하고 결과를 출력합니다. 최종 정확도는 91% 정도 입니다.



In [7]:

    
for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))