Tensorflow を勉強するために用意されているチュートリアルをやってみようと思った。
Qiita の記事にも登場しているので先達さんたちの日本語記事を参考にやっていこう。

本家チュートリアル
https://www.tensorflow.org/versions/master/tutorials/index.html
では、以下が用意されている。下から3つ目のように学習データの落とし方も含んでいるのだが。

　MNIST For ML Beginners
　Deep MNIST for Experts
　TensorFlow Mechanics 101
　TensorFlow Serving
　Convolutional Neural Networks
　Vector Representations of Words
　Recurrent Neural Networks
　Sequence-to-Sequence Models
　Mandelbrot Set
　Partial Differential Equations
　MNIST Data Download
　Image Recognition
　Deep Dream Visual Hallucinations



まずは一番初級　MNIST For ML Beginners　から


(tensorflow)take@ubuntu:~/tensorflow$ more mnist_for_ml_beginners.py

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

import tensorflow as tf
import input_data

# MNISTデータを取り出す。訓練データとテストデータで、画像と0-9のラベル
# mnist.train.images
# mnist.train.labels
# mnist.test.images
# mnist.test.labels

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# Training用の入れ物の準備

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

# y_　：　正しい答え
# y 　：　予測した答え
y_ = tf.placeholder(tf.float32, [None, 10])

#  x*W+b を softmax と通し、y にする。
y = tf.nn.softmax(tf.matmul(x, W) + b)

# Training指標の準備
# 訓練するために、悪い（or 良い）を定義する。ここでは悪い（費用：コストがかかる）ことを
# 交差エントロピーで計算する。
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

# その費用を最適化するために、最急降下法を使う
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#
init = tf.initialize_all_variables()

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

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})

# 評価のために正解率を計算
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}))