Tensorflow案例实战-11卷积神经网络模型架构(minst10分类任务)

最新推荐文章于 2021-10-03 15:48:15 发布

Avrilzyx

最新推荐文章于 2021-10-03 15:48:15 发布

阅读量525

点赞数

本文链接：https://blog.csdn.net/avrilzyx/article/details/86745867

版权

本文介绍了如何使用TensorFlow构建卷积神经网络(CNN)模型，详细讲解了网络模型的设计、前期准备、参数设置和函数定义。特别讨论了TensorFlow中CNN的两种padding策略——“SAME”和“VALID”，解释了它们的区别，并展示了在MNIST10分类任务中的训练过程。

摘要由CSDN通过智能技术生成

网络模型

在这里插入图片描述

前期准备

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import input_data
minst=input_data.read_data_sets('data/',one_hot=True)
trainimg=minst.train.images
trainlabel=minst.train.labels
testimg=minst.test.images
testlabel=minst.test.labels

参数设置

n_input=784
n_output=10
weights={
    #filter:w,h 连接的输入的深度 输出
    'wc1':tf.Variable(tf.random_normal([3,3,1,64],stddev=0.1)),
    'wc2':tf.Variable(tf.random_normal([3,3,64,128],stddev=0.1)),
    #2*2变为1*1，即变为原来一半。28/2，两次pool,即为7.全连接层转换成向量所以是1024
    'wd1':tf.Variable(tf.random_normal([7*7*128,1024],stddev=0.1)),
    #前面是1024维向量，后面代表是10分类任务
    'wd2':tf.Variable(tf.random_normal([1024,n_