9、基于TensorFlow构建前馈神经网络及梯度下降优化

基于TensorFlow构建前馈神经网络及梯度下降优化

1. 数据准备

在处理训练数据时，我们需要对标签和特征进行特定的处理。首先，检查标签数组的形状，使用data_train['label'].shape会得到(60000)。我们期望标签的张量维度为1 × m（这里m = 60000），所以使用以下命令进行重塑：

labels = data_train['label'].values.reshape(1, 60000)

此时，labels张量的维度变为(1, 60000)。

对于特征张量，我们需要包含除标签外的所有列。通过drop('label', axis=1)移除标签列，获取其他列并转置张量。data_train.drop('label', axis=1)的维度为(60000, 784)，我们期望特征张量的维度为nx × m（这里nx = 784）。以下是目前张量的总结：
- 标签（Labels）：维度为1 × m（1 × 60000），包含从 0 到 9 的整数类别标签。
- 训练数据（Train）：维度为