八、（2）神经网络——卷积神经网络预测手写数字

最新推荐文章于 2024-07-22 10:57:33 发布

Memory Of Seven Seconds

最新推荐文章于 2024-07-22 10:57:33 发布

阅读量572

点赞数 3

文章标签：八、（2）神经网络——卷积神经网络预测手写数字

本文链接：https://blog.csdn.net/weixin_43718084/article/details/90732723

版权

本文介绍了如何通过设计两层卷积神经网络模型来训练并预测手写数字，展示了训练过程和提高的准确率，最后成功完成任务。

摘要由CSDN通过智能技术生成

八、（2）神经网络——卷积神经网络预测手写数字

第一步:设计两层卷积训练模型

# -*- coding: utf-8 -*-
"""
Created on Tue May 28 16:57:15 2019

@author: sun
"""

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#处理大数据可以导入下面模块
from tensorflow.contrib.slim.python.slim.nets.inception_v3 import inception_v3_base


# 定义一个初始化权重的函数
def weight_variables(shape):
    w = tf.Variable(tf.random_normal(shape=shape, mean=0.0, stddev=1.0))
    return w


# 定义一个初始化偏置的函数
def bias_variables(shape):
    b = tf.Variable(tf.constant(0.0, shape=shape))
    return b


def model():
    """
    自定义的卷积模型
    :return:
    """
    # 1、准备数据的占位符 x [None, 784]  y_true [None, 10]
    with tf.variable_scope("data"):
        x = tf.placeholder(tf.float32, [None, 784])

        y_true = tf.placeholder(tf.int32, [None, 10])

    # 2、一卷积层 卷积: 5*5*1，32个，strides=1 激活: tf.nn.relu 池化
    with tf.variable_scope("conv1"):
        # 随机初始化权重, 偏置[32]
        w_conv1 = weight_variables([5, 5, 1, 32])

        b_conv1 = bias_variables([32])

        # 对x进行形状的改变[None, 784]  [None, 28, 28, 1]
        x_reshape = tf.reshape(x, [-1, 28, 28, 1])

        # [None, 28, 28, 1]-----> [None, 28, 28, 32]
        x_relu1 = tf.nn.relu(tf.nn.conv2d(x_reshape, w_conv1, strides=[1, 1, 1, 1], padding="SAME") + b_conv1)

        # 池化 2*2 ,strides2 [None, 28, 28, 32]---->[None, 14, 14, 32]
        x_pool1 = tf.nn.max_pool(x_relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME")

    # 3、二卷积层卷积: 5*5*32，64个filter，strides=1 激活: tf.nn.relu 池化：
    with tf.variable_scope("conv2"):
        # 随机初始化权重,  权重：[5, 5, 32, 64]  偏置[64]
        w_conv2 = weight_variables([5, 5, 32, 64])

        b_conv2 = bias_variables([64])