CNN 卷积神经网络 1

定义卷积层的 weight bias

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

输入shape，返回变量的参数。

tf.truncted_normal产生随机变量来进行初始化:

def weight_variable(shape): 
    inital=tf.truncted_normal(shape,stddev=0.1)
    return tf.Variable(initial)

def bias_variable(shape): 
    initial=tf.constant(0.1,shape=shape) 
    return tf.Variable(initial)

定义卷积

tf.nn.conv2d函数是tensoflow里面的二维的卷积函数，x是图片的所有参数，W是此卷积层的权重

步长strides的值：

strides[0]和strides[3]的两个1是默认值，中间两个1代表padding时在x方向运动一步，y方向运动一步

padding采用的方式是SAME

def conv2d(x,W):
    return tf.nn.conv2d(x,W,strides=[1,1,1,1]，padding='SAME')

定义 pooling

采用池化pooling来稀疏化参数

一种是最大值池化，一种是平均值池化

池化的核函数大小为2x2，因此ksize=[1,2,2,1]:

def max_poo_2x2(x): 
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1])