环境:TensorFlow1.8 Python3.6
代码:
# coding=utf-8
# By author MZ
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
## 1.首先处理数据集
## 1.1图片大小为28*28
mnist = input_data.read_data_sets('MNIST_data_bak/', one_hot=True)
## tf.InteractiveSession()是在运行计算图的时候可以插入计算图
##tf.Session()需要在启动这个计算图的时候,必须构建完成
sess = tf.InteractiveSession()
## 1.2定义Weight的生成函数
## tf.truncated_normal截断的正太分布,标准差设为0.1,生成的随机值和均值的差值不会大于两倍的标准差
def weight_variable(shape):
init = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(init)
## 1.3定义bias的生成函数
## tf.truncated_normal截断的正太分布,标准差设为0.1,生成的随机值和均值的差值不会大于两倍的标准差
def bias_variable(shape):
init = tf.constant(0.1, shape=shape)
return tf.Variable(init)
## 1.4卷积层和池化层也是接下来要重复使用的,因此也为它们定义创建函数
## tf.nn.conv2d是TensorFlow中的2维卷积函数,参数中x是输入,W是卷积的参数,比如[5, 5, 1, 32]
## 前面两个数字代表卷积核的尺寸,第