卷积神经网络CNN，mnist实例

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist=input_data.read_data_sets('mnist_data',one_hot=True)

#每个批次的大小，训练模型时，一次放入一批次
batch_size=100 #一批次100张图
#计算一共有多少个批次
n_batch=mnist.train.num_examples//batch_size# //是整除,得到批次数

#初始化权值
def weight_variable(shape):#传入一个数据形状，值由truncated_normal来生成
    initial=tf.truncated_normal(shape,stddev=0.1)#生成一个截断的正态分布，shape表示数据形状
    return tf.Variable(initial)

#初始化偏置
def bias_variable(shape):
    initial=tf.constant(0.1,shape=shape)#定义常量0.1，shape是数据形状
    return tf.Variable(initial)

#卷积层
def conv2d(x,W):#tensor张量，张量概念是矢量概念的推广，矢量是一阶张量。张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。
    #x input tensor of shape '[batch, in_height, in_width, in_channels]'，这里的tensor是四维的值。batch是批次的大小。in_channel是通道数，黑白图片通道数是1，彩色图片通道数是3.
    #W filter/kernel tensor of shape [filter_height,filt