用TensorFlow搭建卷积神经网络识别数字图片

最新推荐文章于 2023-12-30 08:12:27 发布

呱唧响

最新推荐文章于 2023-12-30 08:12:27 发布

阅读量433

点赞数

文章标签：卷积神经网络 TensorFlow python 机器学习

本文链接：https://blog.csdn.net/qq_34770787/article/details/88100926

版权

本文通过使用TensorFlow框架，详细介绍了如何构建并训练一个卷积神经网络（CNN）模型，用于识别手写数字图片。内容包括CNN的基本概念，Python编程技巧以及模型训练、验证和评估的过程。

摘要由CSDN通过智能技术生成

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

data_from_file=input_data.read_data_sets('MNIST_data',one_hot=True)

batch_size=100
n_batch=data_from_file.train.num_examples//batch_size

def weight_init(shape_value):
    '''
    tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
    shape: 输出数据的shape
    mean: 正态分布的均值
    stddev: 正态分布的标准差
    dtype: 输出数据的类型
    seed: 一个整数，当赋值后，每次生成的随机数相同
    name: 赋予该操作一个名字
    '''
    return tf.Variable(tf.truncated_normal(shape_value,stddev=0.1))

def bias_init(shape_value):
    return tf.constant(0,shape=shape_value,dtype=tf.float32)#注意是先赋值再指定shape

def conv2d_func(X,W):
    '''
    tf.nn.con2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
    input: 指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一
    filter: 相当于CNN中的卷积核，它要求是一个Tensor，具有[filter_height, filter_width, in_channels, out_channels]这样的shape，具体含义是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数]，要求类型与参数input相同，有一个地方需要注意，第三维in_channels，就是参数input的第四维
    strides: 卷积时在图像每一维的步长，这是一个一维的向量，长度4
    padding: string类型的量，只能是"SAME","VALID"其中之一，这个值决定了不同的卷积方式
    use_cudnn_on_gpu: 是否使用cudnn加速，默认为True, NVIDIA cuDNN是一个GPU加速深层神经网络原语库。
    name: 指定该操作的名称
    via: http://www.cnblogs.com/welhzh/p/6607581.html
    '''
    return tf.nn.conv2d