Tensorflow_v1学习笔记六 CNN

最新推荐文章于 2022-09-19 16:42:59 发布

Dive_

最新推荐文章于 2022-09-19 16:42:59 发布

阅读量175

点赞数

分类专栏： Python笔记之sklearn

本文链接：https://blog.csdn.net/qq_38119106/article/details/104548286

版权

本文是Tensorflow v1版本的学习笔记，重点聚焦于卷积神经网络(CNN)的应用。作者首先按照教程完成了一次CNN的实现，详细过程包括image预处理、两次convolutional layers、两次max pooling以及全连接层。由于使用CPU进行计算，未添加dropout导致训练速度较慢。

摘要由CSDN通过智能技术生成

https://www.bilibili.com/video/av16001891?p=28
先按教程里的代码做一遍
新版tf其实已经更新很多用法不用自己写目前还是先以视频里的旧版代码学习

过程

image-conv1-maxpool-conv2-maxpool-full connection1-full connection2(prediction)

代码

没加drop 有点慢(毕竟只是cpu)

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow.compat.v1 as tf #使用tf的v1版本
tf.disable_v2_behavior() #使用tf的v1版本
import numpy as np
import matplotlib.pyplot as plt
import input_data

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

#准确率
def compute_accuracy(v_xs,v_ys):
    global prediction
    y_pre=sess.run(prediction,feed_dict={
   xs:v_xs,ys:v_ys})
    corrent_pre=tf.equal(tf.argmax(y_pre,1),tf.argmax(v_ys,1))
    accuracy=tf.reduce_mean(tf.cast(corrent_pre,tf.float32))
    result=sess.run(accuracy,feed_dict={
   xs:v_xs,ys