tensorflow实战——实现简单的神经网络

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
sess = tf.InteractiveSession()


def weight_variable(shape):
  #从截断的正态分布输出随机值
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  #创建一个常量张良，传入list或者数值来填充
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)
  
def conv2d(x, W):
  #二维卷积函数，x是输入，W卷积的参数；[5,5,1,32]前面两个数字代表卷积核的尺寸。
  #第三个数字代表channel,最后一个代表卷积核的数量；strides代表卷积模板移动的步长;
  #padding代表边界的处理方式
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  #最大池化函数
  #使用2x2的最大池化，即将一个2x2的像素块降为1x1的像素
  #最大池化会保留原始像素块中灰度值最高的那一个像素，即保留最显著的特征
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding=