先声明:本人前期学习借助黄文坚的《Tensorflow深度学习实战》(应该是这个名字)
各位可以去我的github博客获取其他的分享
本篇是针对有一定基础的,没基础的去我之前的教程里学习
第一步:先封装各种需要的功能
变量初始化函数
def weight_init(shape):
return tf.Variable(tf.truncated_normal(shape, stddev = 0.1))
这是一个权重初始化函数,权重shape是一个多维数组
tf.truncated_normal(shape, stddev = stddev)
采用了正太分布给变量赋值,根据实践经验,这种方式能够
较大程度提升拟合速度。
def biase_init(shape):
return tf.Variable(tf.constant(0.1,shape=shape))
对于偏置的初始值我们可以随意一点
封装一下卷积、池化函数
def conv2d(x,w):
return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding="SAME")
x, w分别是图片和权重,将图片传进来后用权重w进行卷积运算,采用’SAME’是为了不改变图片大小
def max_pool_2x2(x):
r