使用残差网络实现MNIST手写数字识别

在上一节的内容中我们已经介绍了残差网络的相关知识，并使用数学知识进行了原理解释，我们知道深度网络随着层数的增加，很容易造成“退化”和“梯度消失”的问题，训练数据的过拟合，ResNet中给出了一种解决方案：增加一个identity mapping，今天的内容主要是使用残差网络处理MNIST手写数字识别数据集。实现的流程主要如下所示：1导入相关模块2 定义Block类3 定义相关函数4 求解损失函数第一是先导入MNIST数据集，定义权重和偏置量：

在第二步中，我们根据输入和输出的尺寸是否相同，分为identity_block和conv_block，每种block都有如下两种模式：3卷积和2卷积形式，3卷积的速度的要更快一些。定义identity_block层的代码如下，下面是有3个卷积层，在输出的时候把输入值x_input和经过3层卷积层后输出的x相加，使用激活函数relu后输出得到result
<