【TensorFlow-CNN】使用tensorflow从零创建CNN模型的完整步骤

#encoding:utf-8

# import libraries（导入依赖的库文件）

import tensorflow as tf

import numpy as np

from tensorflow.examples.tutorials.mnist import input_data

import matplotlib.pyplot as plt

#define parameteer（定义函数参数）

image_size（图片尺寸） /out_class（数据集类别） /display_step （显示次数）

#define super parameter（定义训练超参数）

train_keep_prop（保留概率） /batch_size （minibatch）/epcoh（迭代次数）

#read dataset and set vector as one_hot（读取数据，以mnist为例）

mnist = input_data.read_data_sets('MNIST_data',one_hot = True)

#read test dataset（分别读取测试数据的images和labels）

test_x = mnist.test.images[:1000]

test_y = mnist.test.labels[:1000]

#define placeholder（定义占位符，在会话中喂入数据）

xs = tf.placeholder(tf.float32,[None,image_size])

ys = tf.placeholder(tf.float32,[None,out_class])

keep_prob = tf.placeholder(tf.float32)

#reshape image to vector [samples_num,28,28,1]（整形，将数据转换为矩阵形式）

x_image = tf.reshape(xs,[-1,28,28,1]) #-1:all of train dataset images

#crate model （构造神经网络模型）

tf.nn.***()

#computer loss,As target funcation(定义损失函数，即目标函数)

loss = tf.losses.softmax_cross_entropy(onehot_labels=ys, logits=prediction)

#define gradent dencent model to minimize loss(target funcation)（定义训练模型，最小化损失函数）

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

#computer accuracy（计算精度）

accury = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(prediction,1),tf.argmax(ys,1)),tf.float32))

#init parametre step1 （初始化变量第一步）

init = tf.global_variables_initializer()

#start session（开启会话）

with tf.Session() as sess:

#init parametre step2（初始化变量第一步）

sess.run(init)

#start train model with （运行训练模型）

for i in range(epcoh):

#read data （读取数据，喂入训练模型）

batch_xs,batch_ys = mnist.train.next_batch(batch_size)

#train CNN modele and feed data with（）

sess.run(train_step,feed_dict = {xs:batch_xs,ys:batch_ys,keep_prob:1})

#display result （显示训练结果）

if i % display_step == 0:

print('Test Accuracy : '+str(sess.run(accury_train,feed_dict = {xs:mnist.test.images,ys:mnist.test.labels,keep_prob:1})))