使用CNN实现手写体识别（minist库）

最新推荐文章于 2025-06-11 16:38:36 发布

原创

最新推荐文章于 2025-06-11 16:38:36 发布 · 3.7k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow

本文提供了一段入门级别的CNN代码，用于实现手写体识别任务，利用了MNIST数据集。虽然未涉及CNN的原理，但为初学者提供了实际操作的经验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

入门级CNN代码

有空在下一篇写写CNN原理

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 11 16:51:27 2017

@author: tina
"""

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

def weight_varible(shape):
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)

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

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

def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')


mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
print("Download Done!")

sess = tf.InteractiveSession()

# paras
W_conv1 = weight_varible([5, 5, 1, 32])
b_conv1 = bias_variable([32])

# conv layer-1
x = tf.placeholder(tf.float32, [None, 784])
x_image = tf.reshape(x, [-1, 28, 28, 1])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1)