【神经网络学习笔记2】简单的CNN网络识别手写图案-CSDN博客

本文链接：https://blog.csdn.net/Cfather/article/details/79260669

本文通过TensorFlow官方样例介绍如何构建简单的卷积神经网络（CNN）模型，用于识别手绘的O和X图案。由于样本数量有限（120张），采用标准梯度下降法，训练集和测试集各为100和20张。实验结果显示，模型在20张测试图像上的准确率稳定在90%以上，展示了CNN在图像识别任务中的有效性。

摘要由CSDN通过智能技术生成

本篇文章还是基于tensorflow给的官方样例，教会大家如何构建简单的CNN网络以下是官方代码

tensorflow官方样例 CNN网络

conv2d定义的是卷积层

maxpool2d定义的是池化层

conv_net定义的是具体的网络运算过程，其中fc定义的是全连接层

可以很方便地修改各层的参数，如深度，广度等

我用来解决的问题是来识别手写的O和X，MNIST不知道为啥在我的电脑上装不上去。

训练集与测试集是我自己手写出来的，总共120张，因为样本比较小，所以采取的是标准梯度下降法。

以下是我的代码。前面加的num_step和num_test是用来定义训练集和测试集的数量的，这里选取的是100和20。同时我的程序为了方便选择直接读取图片。最后加上了loss_op和acc关于时间的变化。

from __future__ import division, print_function, absolute_import
import numpy as np
import tensorflow as tf
import string
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg 

# Training Parameters
learning_rate = 0.001
num_steps = 100
num_test = 20
display_step = 4

# Network Parameters
num_input = 81 # data input 
num_classes = 2 # total classes 
dropout = 0.75 # Dropout, probability to keep units

fd=open('inputimage.txt','w')
imga=np.zeros((num_steps,num_input))
try_imga=np.zeros((num_test,num_input))
for k in range(num_steps+num_test):
    img=mpimg.imread(str(k+1)+'.png')
    img=(img[:,