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=
tensorflow实战——实现简单的神经网络
最新推荐文章于 2022-03-28 18:10:17 发布
本文将指导读者使用TensorFlow实现一个简单的神经网络。从导入库到定义模型、训练过程,再到评估模型,详细步骤一应俱全,适合初学者入门。
摘要由CSDN通过智能技术生成