两层卷积网络----MNIST练习

最新推荐文章于 2024-09-17 15:14:03 发布

瑶子ove

最新推荐文章于 2024-09-17 15:14:03 发布

阅读量362

点赞数 1

本文链接：https://blog.csdn.net/weixin_40924580/article/details/82819586

版权

这篇博客介绍了如何运用两层卷积神经网络对MNIST手写数字数据集进行识别，详细阐述了网络结构和激活函数的选择，提供了相关参考资料链接。

摘要由CSDN通过智能技术生成

原理参考：https://blog.csdn.net/xierhacker/article/details/53463525
激活函数：https://blog.csdn.net/xierhacker/article/details/71524713

# -*- coding:utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("G:/TensorFlow/MNIST_data/",one_hot=True)

# x 为训练图像的占位符，y_为训练图像标签的占位符
x = tf.placeholder(tf.float32,[None,784])
y_ = tf.placeholder(tf.float32,[None,10])

#将图像还原为28*28，[-1,28，28,1]中-1表示样本数量不固定，最后一个1代表颜色通道数
x_image = tf.reshape(x,[-1,28,28,1])


'''
定义初始化函数：
 1、weight_variable 可以返回一个给定形状的变量       
从截断的正态分布中输出随机值。stddev: 正态分布的标准差，shape：一维的张量
生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差