#?-*-?coding:utf-8?-*-

#tensorflow?1.2?python?3.6

import?tensorflow?as?tf#導入TensorFlow庫
import?os#導入OS庫
W?=?tf.Variable（tf.zeros（[4?3]）?name=“weights“）#變量權值，矩陣，每個特征權值列對應一個輸出類別
b?=?tf.Variable（tf.zeros（[3]?name=“bias“））#模型偏置，每個偏置對應一個輸出類別
def?combine_inputs（X）:#輸入值合并
????print（“function:?combine_inputs“）
????return?tf.matmul（X?W）?+?b
def?inference（X）:#計算返回推斷模型輸出（數(shù)據(jù)X）
????print（“function:?inference“）
????return?tf.nn.softmax（combine_inputs（X））#調(diào)用softmax分類函數(shù)
def?loss（X?Y）:#計算損失（訓練數(shù)據(jù)X及期望輸出Y）
????print（“function:?loss“）
????return?tf.reduce_mean（tf.nn.sparse_softmax_cross_entropy_with_logits（logits=combine_inputs（X）?labels=Y））#求平均值，針對每個樣本只對應單個類別優(yōu)化
def?read_csv（batch_size?file_name?record_defaults）:#從csv文件讀取數(shù)據(jù)，加載解析，創(chuàng)建批次讀取張量多行數(shù)據(jù)
????filename_queue?=?tf.train.string_input_producer（[os.path.join（os.getcwd（）?file_name）]）
????reader?=?tf.TextLineReader（skip_header_lines=1）
????key?value?=?reader.read（filename_queue）
????decoded?=?tf.decode_csv（value?record_defaults=record_defaults）#字符串（文本行）轉(zhuǎn)換到指定默認值張量列元組，為每列設置數(shù)據(jù)類型
????return?tf.train.shuffle_batch（decoded?batch_size=batch_size?capacity=batch_size?*?50?min_after_dequeue=batch_size）#讀取文件，加載張量batch_size行
def?inputs（）:#讀取或生成訓練數(shù)據(jù)X及期望輸出Y
????print（“function:?inputs“）
????#數(shù)據(jù)來源：https://archive.ics.uci.edu/ml/datasets/Iris
????#iris.data改為iris.csv，增加sepal_length?sepal_width?petal_length?petal_width?label字段行首行
????sepal_length?sepal_width?petal_length?petal_width?label?=\
????????read_csv（100?“iris.csv“?[[0.0]?[0.0]?[0.0]?[0.0]?[““]]）
????#轉(zhuǎn)換屬性數(shù)據(jù)
????label_number?=?tf.to_int32（tf.argmax（tf.to_int32（tf.stack（[
????????tf.equal（label?[“Iris-setosa“]）
????????tf.equal（label?[“Iris-versicolor“]）
????????tf.equal（label?[“Iris-virginica“]）
????]））?0））#將類名稱轉(zhuǎn)抽象為從0開始的類別索引
????features?=?tf.transpose（tf.stack（[sepal_length?sepal_width?petal_length?petal_width]））#特征裝入矩陣，轉(zhuǎn)置，每行一樣本，每列一特征
????return?features?label_number
def?train（total_loss）:#訓練或調(diào)整模型參數(shù)（計算總損失）
????print（“function:?train“）
????learning_rate?=?0.01
????return?tf.train.GradientDescentOptimizer（learning_rate）.minimize（total_loss）
def?evaluate（sess?X?Y）:#評估訓練模型
????print（“function:?evaluate“）
????predicted?=?tf.cast（tf.argmax（inference（X）?1）?tf.int32）#選擇預測輸出值最大概率類別
????print（sess.run（tf.reduce_mean（tf.cast（tf.equal（predicted?Y）?tf.float32））））#統(tǒng)計所有正確預測樣本數(shù)，除以批次樣本總數(shù)，得到正確預測百分比
with?tf.Session（）?as?sess:#會話對象啟動數(shù)據(jù)流圖，搭建流程
????print（“Session:?start“）
????tf.global_variables_initializer（）.run（）
????X?Y?=?inputs（）
????total_loss?=?loss（X?Y）
????train_op?=?train（total_loss）
????coord?=?tf.train.Coordinator（）
????threads?=?tf.train.start_queue_runners（sess=sess?coord=coord）
????training_steps?=?1000#實際訓練迭代次數(shù)
????for?step?in?range（training_steps）:#實際訓練閉環(huán)
????????sess.run（[train_op]）
????????if?step?%?10?==?0:#查看訓練過程損失遞減
????????????print（str（step）+?“?loss:?“?sess.run（[total_loss]））
????print（str（training_steps）?+?“?final?loss:?“?sess.run（[total_loss]））
????evaluate（sess?X?Y

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????3765??2017-11-23?10:31??softmax_iris.py

?????文件???????4619??2017-11-23?10:24??iris.csv

-----------?---------??----------?-----??----

?????????????????8384????????????????????2