TensorFlow简要教程系列（五）TensorFlow实现卷积神经网络（CNN）

这节我们利用TensorFlow建立卷积神经网络（CNN）进行图像识别，数据集还是利用MNIST图像识别数据集。在建立CNN之前我们会跑一下Softmax进行对比，有助于大家体会不同函数的用法，代码如下，具体说明见注释：

# -*- coding: utf-8 -*-
"""
Created on Sat Apr  1 14:57:40 2017

@author: chenbin
"""

import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

import tensorflow as tf
sess = tf.InteractiveSession()


x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

sess.run(tf.initialize_all_variables())
#一次性初始化所有变量

y = tf.nn.softmax(tf.matmul(x,W) + b)

cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

for i in range(1000):
  batch = mnist.train.next_batch(50)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})
  
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

print (accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))


#CNN

#我们会建立大量权重和偏置项，为了方便，定义初始函数


def weight_variable(shape):
  initial &