python資料分析-有解無憂

import tensorflow as tf



# 載入資料集

mnist = tf.keras.datasets.mnist

# 載入資料，資料載入的時候就已經劃分好訓練集和測驗集

# 訓練集資料 x_train 的資料形狀為（60000，28，28）

# 訓練集標簽 y_train 的資料形狀為（60000）

# 測驗集資料 x_test 的資料形狀為（10000，28，28）

# 測驗集標簽 y_test 的資料形狀為（10000）

(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 對訓練集和測驗集的資料進行歸一化處理，有助于提升模型訓練速度

x_train, x_test = x_train / 255.0, x_test / 255.0

# 把訓練集和測驗集的標簽轉為獨熱編碼

y_train = tf.keras.utils.to_categorical(y_train, num_classes=10)

y_test = tf.keras.utils.to_categorical(y_test, num_classes=10)

# 創建 dataset 物件，使用 dataset 物件來管理資料

mnist_train = tf.data.Dataset.from_tensor_slices((x_train, y_train))

# 訓練周期設定為 1（把所有訓練集資料訓練一次稱為訓練一個周期）

mnist_train = mnist_train.repeat(1)

# 批次大小設定為 32（每次訓練模型傳入 32 個資料進行訓練）

mnist_train = mnist_train.batch(32)

# 創建 dataset 物件，使用 dataset 物件來管理資料

mnist_test = tf.data.Dataset.from_tensor_slices((x_test, y_test))

# 訓練周期設定為 1（把所有訓練集資料訓練一次稱為訓練一個周期）

mnist_test = mnist_test.repeat(1)

# 批次大小設定為 32（每次訓練模型傳入 32 個資料進行訓練）

mnist_test = mnist_test.batch(32)

# 模型定義

# 先用 Flatten 把資料從 3 維變成 2 維，(60000,28,28)->(60000,784)

# 設定輸入資料形狀 input_shape 不需要包含資料的數量，（28,28）即可

model = tf.keras.models.Sequential([

    tf.keras.layers.Flatten(input_shape=(28, 28)),

    tf.keras.layers.Dense(10, activation='softmax')

])

# 優化器定義

optimizer = tf.keras.optimizers.SGD(0.1)

# 計算平均值

train_loss = tf.keras.metrics.Mean(name='train_loss')

# 訓練準確率計算

train_accuracy = tf.keras.metrics.CategoricalAccuracy(name='train_accuracy')

# 計算平均值

test_loss = tf.keras.metrics.Mean(name='test_loss')

# 測驗準確率計算

test_accuracy = tf.keras.metrics.CategoricalAccuracy(name='test_accuracy')





# 我們可以用@tf.function 裝飾器來將 python 代碼轉成 tensorflow 的圖表示代碼，用于加速代碼運行速度

# 定義一個訓練模型的函式

@tf.function

def train_step(data, label):

    # 固定寫法，使用 tf.GradientTape()來計算梯度

    with tf.GradientTape() as tape:

        # 傳入資料獲得模型預測結果

        predictions = model(data)

        # 對比 label 和 predictions 計算 loss

        loss = tf.keras.losses.MSE(label, predictions)

        # 傳入 loss 和模型引數，計算權值調整

        gradients = tape.gradient(loss, model.trainable_variables)

        # 進行權值調整

        optimizer.apply_gradients(zip(gradients, model.trainable_variables))

        # 計算平均 loss

        train_loss(loss)

        # 計算平均準確率

        train_accuracy(label, predictions)





# 我們可以用@tf.function 裝飾器來將 python 代碼轉成 tensorflow 的圖表示代碼，用于加速代碼運行速度

# 定義一個模型測驗的函式

@tf.function

def test_step(data, label):

    # 傳入資料獲得模型預測結果

    predictions = model(data)

    # 對比 label 和 predictions 計算 loss

    t_loss = tf.keras.losses.MSE(label, predictions)

    # 計算平均 loss

    test_loss(t_loss)

    # 計算平均準確率

    test_accuracy(label, predictions)





# 訓練 10 個周期（把所有訓練集資料訓練一次稱為訓練一個周期）

EPOCHS = 10

for epoch in range(EPOCHS):

    # 訓練集回圈 60000/32=1875 次

    for image, label in mnist_train:

        # 每次回圈傳入一個批次的資料和標簽訓練模型

        train_step(image, label)

        # 測驗集回圈 10000/32=312.5->313 次

    for test_image, test_label in mnist_test:

        # 每次回圈傳入一個批次的資料和標簽進行測驗

        test_step(test_image, test_label)

# 列印結果

template = 'Epoch {}, Loss: {:.3}, Accuracy: {:.3}, Test Loss: {:.3}, Test Accuracy: {:.3}'

print(template.format(epoch + 1,

                      train_loss.result(),

                      train_accuracy.result(),

                      test_loss.result(),

                      test_accuracy.result()))

請問大佬們這段代碼出現這種問題該怎么解決？

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
Traceback (most recent call last):
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 1254, in do_open
    h.request(req.get_method(), req.selector, req.data, headers)
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 1107, in request
    self._send_request(method, url, body, headers)
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 1152, in _send_request
    self.endheaders(body)
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 1103, in endheaders
    self._send_output(message_body)
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 934, in _send_output
    self.send(msg)
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 877, in send
    self.connect()
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 1253, in connect
    super().connect()
  File "C:\Users\lenovo\Anaconda3\lib\http\client.py", line 849, in connect
    (self.host,self.port), self.timeout, self.source_address)
  File "C:\Users\lenovo\Anaconda3\lib\socket.py", line 694, in create_connection
    for res in getaddrinfo(host, port, 0, SOCK_STREAM):
  File "C:\Users\lenovo\Anaconda3\lib\socket.py", line 733, in getaddrinfo
    for res in _socket.getaddrinfo(host, port, family, type, proto, flags):
socket.gaierror: [Errno 11002] getaddrinfo failed

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "C:\Users\lenovo\Anaconda3\lib\site-packages\tensorflow\python\keras\utils\data_utils.py", line 278, in get_file
    urlretrieve(origin, fpath, dl_progress)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 188, in urlretrieve
    with contextlib.closing(urlopen(url, data)) as fp:
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 163, in urlopen
    return opener.open(url, data, timeout)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 466, in open
    response = self._open(req, data)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 484, in _open
    '_open', req)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 444, in _call_chain
    result = func(*args)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 1297, in https_open
    context=self._context, check_hostname=self._check_hostname)
  File "C:\Users\lenovo\Anaconda3\lib\urllib\request.py", line 1256, in do_open
    raise URLError(err)
urllib.error.URLError: <urlopen error [Errno 11002] getaddrinfo failed>

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "C:/Users/lenovo/Documents/Tencent Files/2863543455/FileRecv/main.py", line 10, in <module>
    (x_train, y_train), (x_test, y_test) = mnist.load_data()
  File "C:\Users\lenovo\Anaconda3\lib\site-packages\tensorflow\python\keras\datasets\mnist.py", line 62, in load_data
    '731c5ac602752760c8e48fbffcf8c3b850d9dc2a2aedcf2cc48468fc17b673d1')
  File "C:\Users\lenovo\Anaconda3\lib\site-packages\tensorflow\python\keras\utils\data_utils.py", line 282, in get_file
    raise Exception(error_msg.format(origin, e.errno, e.reason))
Exception: URL fetch failure on https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz: None -- [Errno 11002] getaddrinfo failed

Process finished with exit code 1

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/230023.html

標籤：腳本語言(Perl/Python)

上一篇：初步接觸Axure

下一篇：怎樣才能兩列同時關聯一張表？