mnist整合mobilenet-优快云博客

该博客介绍如何将MNIST数据集中的卷积层替换为MobileNet的思路，通过TensorFlow实现。博客中详细展示了从数据预处理、卷积层分解到全连接层的构建过程，并提供了训练与测试的代码示例。

#coding=utf8
#author by fffupeng
#envirnment anaconda python 3.5 windows


#这是一个将mnist中的卷积改成mobilenet的思想

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data',one_hot=True)

def weight_variable(shape):
    initial = tf.truncated_normal(shape,stddev=0.1)
    #从截断的正态分布中输出随机值。
    #生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。
    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') #http://www.jianshu.com/p/05c4f1621c7e
                                                                #VALID不会添加新元素，SAME添加元素使得卷积前后尺寸不变
def max_pool_2x2(x):
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

x = tf.placeholder(tf.float32,[None,784])
y_actual = tf.placeholder(tf.float32,[None,10])
x_image = tf.re