卷积神经网络：代码实现

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('data/', one_hot=True)
trainimg   = mnist.train.images
trainlabel = mnist.train.labels
testimg    = mnist.test.images
testlabel  = mnist.test.labels

# 输入和输出 
n_input  = 784 
n_output = 10

#卷积神经网络的参数初始化（w，b）
weights  = {
        'wc1': tf.Variable(tf.random_normal([3, 3, 1, 64], stddev=0.1)), #第一层卷积层权重参数[3, 3, 1, 64]卷积核的大小（3*3*1）；卷积核的个数64(特征图的个数)
        'wc2': tf.Variable(tf.random_normal([3, 3, 64, 128], stddev=0.1)), #第二层卷积层权重参数[3, 3, 64, 128]卷积核的大小（3*3*64（与输入图像深度对应））；卷积核的个数128(特征图的个数)
        'wd1': tf.Variable(tf.random_normal([7*7*128, 1024], stddev=0.1)),#第一层全连接层权重参数（由于该模型中卷积并未改变输入图像的大小，经过两次池化原始图像大小（28*28）变为（7*7&