Python的CNN笔记

降维方法
有PCA（主成分分析）和LDA（线性判别分析，Fisher Linear Discriminant Analysis

1：Tensorflow中examples.tutorials.mnist中 input_data数据类

在tensorflow最初时一直用的就是最经典的mnist手写字符识别中的数据集了，而且在tensorflow中直接封装好的是mnist手写字符的数据集类，方便直接用input_data.*中的方法调用其读取数据，读取数据标签

2：mnist = input_data.read_data_sets(‘MNIST_data/’, one_hot=True)

说明：mnist数据集不能直接使用，需要通过input_data模块进行初始化，否则会报mnist is not defined

3:
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding=‘SAME’)
strides在官方定义中是一个一维具有四个元素的张量，其规定前后必须为1，所以我们可以改的是中间两个数，中间两个数分别代表了水平滑动和垂直滑动步长值。

4:tf.truncated_normal
从截断的正态分布中输出随机值.
生成的值遵循具有指定平均值和标准偏差的正态分布,不同之处在于其平均值大于 2 个标准差的值将被丢弃并重新选择.

5:tf.summary.histogram<