回答編集履歴
1
補足説明
answer
CHANGED
|
@@ -1,6 +1,5 @@
|
|
|
1
|
-
`tf.argmax(y,1)`と`tf.argmax(y_,1)`で予測値と正解値のインデックス位置を取得し
|
|
1
|
+
`tf.argmax(y,1)`と`tf.argmax(y_,1)`で予測値と正解値のインデックス位置（0～9）を取得し
|
|
2
2
|
`tf.equal(tf.argmax(y,1), tf.argmax(y_,1))`でそれぞれが一致しているか否かを取得しています。
|
|
3
|
-
この時点の`correct_prediction`をprintし、`bool`の１次元配列であることを確認してみてください。
|
|
4
3
|
|
|
5
4
|
精度の計算はそれ以降の
|
|
6
5
|
```Python
|
|
@@ -10,4 +9,6 @@
|
|
|
10
9
|
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
|
|
11
10
|
```
|
|
12
11
|
で行っています。
|
|
13
|
-
内容はソースコメントのとおりであるので、for文が不要な理由が理解できるかと思います。
|
|
12
|
+
内容はソースコメントのとおりであるので、for文が不要な理由が理解できるかと思います。
|
|
13
|
+
`reduce_mean`にて全要素(0 or 1)を足した結果を要素の数で割っている（平均を求めている）だけです。
|
|
14
|
+
実際の計算と結果出力は`print(sess.run(accuracy,...`で行っています。
|