Jupyter TensorFlow 示例

Mnist 示例

（改编自 tensorflow/tensorflow - mnist_softmax.py）

1. 创建 Notebook 服务器时，选择一个已安装 Jupyter 和 TensorFlow 的容器镜像。

2. 使用 Jupyter 界面创建一个新的 Python 3 Notebook。

3. 复制以下代码并将其粘贴到您的 Notebook 中

   from tensorflow.examples.tutorials.mnist import input_data
   mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
   
   import tensorflow as tf
   
   x = tf.placeholder(tf.float32, [None, 784])
   
   W = tf.Variable(tf.zeros([784, 10]))
   b = tf.Variable(tf.zeros([10]))
   
   y = tf.nn.softmax(tf.matmul(x, W) + b)
   
   y_ = tf.placeholder(tf.float32, [None, 10])
   cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
   
   train_step = tf.train.GradientDescentOptimizer(0.05).minimize(cross_entropy)
   
   sess = tf.InteractiveSession()
   tf.global_variables_initializer().run()
   
   for _ in range(1000):
     batch_xs, batch_ys = mnist.train.next_batch(100)
     sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
   
   correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
   accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
   print("Accuracy: ", sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
   

4. 运行代码。您应该会看到来自 TensorFlow 的一些 WARNING 消息，然后是一行显示训练准确率，例如：

   Accuracy:  0.9012
   

下一步

• 查看在 Jupyter notebook 中创建 Kubeflow pipelines 的简单示例。
• 使用 Kubeflow Pipelines SDK 构建机器学习 pipelines。
• 了解 Kubeflow notebook 提供的进阶功能，例如提交 Kubernetes 资源或构建 Docker 镜像。