卷积神经网络

实验要求：
定义一个卷积神经网络：

1. 准备数据
2. 输入
3. 定义网络
4. 输出
5. 定义损失函数
6. 定义优化器
7. 定义精度
8. 启动TF训练
9. 模型保存和日志

代码：

实验结果：

使用tensorboard可视化：

结果分析 在MNIST数据集上训练卷积神经网络，循环20000次训练，训练采用的是交叉熵损失函数，用ADAM优化器来做梯度下降，学习率为0.0001，最后可以得到99.19%的准确率。