卷积神经网络的训练和测试（针对电脑内存比较小的，运行速度比较慢的）

最新推荐文章于 2025-08-28 14:52:27 发布

原创

最新推荐文章于 2025-08-28 14:52:27 发布 · 5.7k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #卷积神经网络 #测试 #utf-8 #内存不足训练集拆分

这篇博客介绍了如何在内存有限的电脑上训练和测试卷积神经网络。使用TensorFlow构建了CNN模型，通过调整批处理大小和使用dropout技术优化训练。在训练过程中，将数据集拆分成多个小批量进行训练，并展示了每100次迭代的训练精度。最后，对测试集进行多次评估，计算平均准确率。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import numpy as np
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

sess = tf.InteractiveSession()

def weight_variable(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')

def my_conv(input_image, out_dim, name,channel):
with tf.variable_scope(name):