MNIST數據集，每張圖片包含28*28個像素，把一個數組展開成向量，長度為28*28=784，故數據集中mnist.train.images是一個形狀為[60000,784]的張量，第一個維度數字用來索引圖片，第二個維度數字用來索引每張圖片的像素點，像素的強度介于0-1。

MNIST數據集的標簽是介于0-9的數字，要把標簽轉化成“one_hot vectors"。 一個one_hot向量除了某一位數字是1以外，其余維度數字都是0，比如將標簽0表示為([1,0,0,0,0,0,0,0,0,0])

故 mnist.train.labels是一個[60000,10]的數字矩陣。

高斯分布的概率密度函數

??????????????

numpy中

numpy.random.normal(loc=0.0,?scale=1.0,?size=None)??

參數的意義為：

loc:float

概率分布的均值，對應著整個分布的中心center

scale:float

概率分布的標準差，對應于分布的寬度，scale越大越矮胖，scale越小，越瘦高

size:int or tuple of ints

輸出的shape，默認為None，只輸出一個值

我們更經常會用到np.random.randn(size)所謂標準正太分布（μ=0, σ=1），對應于np.random.normal(loc=0, scale=1, size)

?

import?numpy?as?np??

n=np.random.normal(0,1.0)??

print?n??

?

?

轉載于:https://www.cnblogs.com/Bella2017/p/7966919.html

總結

以上是生活随笔為你收集整理的Tensorflow基础-mnist数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。