#?加載mnist數(shù)據(jù)
import?tensorflow?as?tf
import?numpy?as?np
import?random
from?tensorflow.examples.tutorials.mnist?import?input_data
mnist=input_data.read_data_sets（‘MNIST_data‘one_hot=True）
#?設置屬性
trainNum=60000??#?訓練圖片總數(shù)
testNum=10000???#?測試圖片總數(shù)
trainSize=50000???#?訓練時候用到的圖片數(shù)量
testSize=5??????#?測試時候用到的圖片數(shù)量
k=4?????????????#?距離最小的K個圖片
#?生成不重復的隨機數(shù)trainIndex:（500）testIndex:（5）
trainIndex=np.random.choice（55000trainSizereplace=False）
testIndex=np.random.choice（testNumtestSizereplace=False）
print（trainIndex.shapetestIndex.shape）
#?生成訓練數(shù)據(jù)
trainData=mnist.train.images[trainIndex]
trainLabel=mnist.train.labels[trainIndex]
#?生成測試數(shù)據(jù)
testData=mnist.test.images[testIndex]
testLabel=mnist.test.labels[testIndex]
print（‘trainData.shape=‘trainData.shape）
print（‘trainLabel.shape=‘trainLabel.shape）
print（‘testData.shape=‘testData.shape）
print（‘testLabel.shape=‘testLabel.shape）
print（‘testLabel=‘testLabel）

#?設置訓練數(shù)據(jù)的變量
trainDataInput=tf.placeholder（shape=[None784]dtype=tf.float32）
trainLabelInput=tf.placeholder（shape=[None10]dtype=tf.float32）
testDataInput=tf.placeholder（shape=[None784]dtype=tf.float32）
testLabelInput=tf.placeholder（shape=[None10]dtype=tf.float32）
#?使用曼哈頓距離來計算KNN距離
f1=tf.expand_dims（testDataInput1）??????#?用expand_dim（）來增加維度將原來的testDataInput擴展成三維的f1:（?1784）
f2=tf.subtract（trainDataInputf1）???????#?subtract（）執(zhí)行相減操作，即?trainDataInput-testDataInput?最終得到一個三維數(shù)據(jù)
f3=tf.reduce_sum（tf.abs（f2）reduction_indices=2）????#?tf.abs（）求數(shù)據(jù)絕對值tf.reduce_sum（）完成數(shù)據(jù)累加，把數(shù)據(jù)放到f3中
#?執(zhí)行
with?tf.Session（）?as?sess:
????p1=sess.run（f1feed_dict={testDataInput:testData[0:testSize]}）??#?取testData中的前testSize個樣本來代替輸入的測試數(shù)據(jù)
????print（p1）
????print（‘p1=‘p1.shape）
????p2=sess.run（f2feed_dict={trainD