使用卷积神经网络对mnist数据集进行分析

使用卷积神经网络对mnist数据集进行分析
使用tensorflow对mnist数据集进行建模
#1、导入需要用到的包

import tensorflow as tf
import random
import numpy as np
import matplotlib.pyplot as plt
import datetime
from tensorflow.examples.tutorials.mnist import input_data

#2、导入mnist数据集

mnist = input_data.read_data_sets("data/", one_hot=True)

#3、定义x和y，即输入x和标签y

tf.reset_default_graph()
sess = tf.InteractiveSession()
x = tf.placeholder("float", shape = [None, 28,28,1])  #输入是28x28、通道是1的图片
y_ = tf.placeholder("float", shape = [None, 10])      #输出是一个10维的向量，表示10个分类
W_conv1 = tf.Variable(tf.truncated_normal([5, 5, 1, 32], stddev=0.1))  #第一层的卷积，大小是5x5，数量是32个
b_conv1 = tf.Variable(tf.constant(.1, shape = [32]))                   #第一层的偏置，大小是32

#4、建立第一层卷积层