对于我们的 LeNet 5 网络,它有五层网络,依次如下:
- 第一层:卷积层,该卷积层使用 Sigmoid 激活函数,并且在后面带有平均池化层。
- 第二层:卷积层,该卷积层使用 Sigmoid 激活函数,并且在后面带有平均池化层。
- 第三层:全连接层(使用 Sigmoid 激活函数)。
- 第四层:全连接层(使用 Sigmoid 激活函数)。
- 第五层:输出层。
这种编写的方法呢,我们采用的是分开编写的方式。也就是将我们的函数我们定义计算图之外:
一、需要的函数:
tf.nn.avg_pool(
value,
ksize,
strides,
padding,
data_format='NHWC',
name=None
)
tf.nn.conv2d(
input,
filter,
strides,
padding,
use_cudnn_on_gpu=True,
data_format='NHWC',
dilations=[1, 1, 1, 1],
name=None
)
tf.sigmoid(
x,
name=None
)