【AI极简代码】PyCharm+Tensorflow构建Lenet5对Mnist数据集识别

相信大家对使用Lenet5识别Mnist数据集的方法已经耳熟能详，也是众多研究者的入门首选，但受制于开发工具、代码难度、网络构建、数据集获取等因素，许多人望而却步，本文目的就是用最简洁的介绍，最简洁的代码，展示该网络的构建、训练与测试全过程。

一、预先准备

1. 语言选择：Python；
   请放下心中对其他任何语言的偏爱，Python在人工智能领域的研究优势是其他语言所不能比拟的，其语言设计简单，且全世界有大量的公司或研究者在为Python编写便于研究的扩展包，这就相当于你的研究将会建立在无数人前人的基础之上。
2. IDE选择：PyCharm;
   PyCharm是目前使用人数最多的PythonIDE，它不好难道用的少的好？至于怎么下载安装，不要太简单，不再赘述。
3. 第三方库：Tensorflow；
   接第一点，既然有这么多人为我们提供便利，为何不用呢？且Tensorflow是现在占有率最高的AI学习工具，并且是由公司Google推出，当然首选Tensorflow。
4. 安装Tensorflow；
   这点相信很多初学者看的头昏脑胀，其实PyCharm为我们提供了十分简便的第三方库安装方法，依次点击PyCharm-Preference-Project Interpreter-左下角的小“+”号，搜索并install自己需要的库就OK啦。
5. Mnist获取；
   Tensorflow自带，不用单独下载。

二、 程序编写

在准备工作完成后，直接打开PyCharm开撸代码，本文提供的代码共19行，本节将对这19行逐一讲解，直至实现全部功能。
1.import tensorflow as tf
没啥说的，加载Tensorflow库，起名叫tf。
2.import tensorflow.examples.tutorials.mnist.input_data as input_data
顾名思义，让Tensorflow加载Mnist数据集，起名叫input_data
3.x = tf.placeholder('float', shape=[None, 28*28])
Python在使用变量时需要先定义，原理上就是在内存上先给他分配一个空间。x就是输入的图片，大小为2828。注意：这里的x还没有形状，只有2828的大小。
4.y_true = tf.placeholder('float', shape=[None, 10])
为Mnist数据集中图片的标签分配内存。
5.conv_relu_pool_1 = tf.nn.max_pool(tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(tf.reshape(x, [-1, 28, 28, 1]),tf.Variable(tf.truncated_normal([5, 5, 1, 6], stddev=0.1)),strides=[1,1,1,1],padding="SAME"),tf.Variable(tf.constant(0.1, shape=[6])))),ksize=[1,2,2,1],strides=[1,2,2,1],padding