TensorFlow实现CNN卷积神经网络对手写数字集mnist的模型训练

mnist手写数字集相当于是TensorFlow应用中的Helloworld。

在学习了TensorFlow的卷积神经网络应用之后，今天就分步解析一下其应用过程

 一、mnist手写数字数据集

---

        MNIST是深度学习的经典入门demo，他是由6万张训练图片和1万张测试图片构成的，每张图片都是28*28大小（如下图），而且都是黑白色构成（这里的黑色是一个0-1的浮点数，黑色越深表示数值越靠近1），这些图片是采集的不同的人手写从0到9的数字。TensorFlow将这个数据集和相关操作封装到了库中。

 我们可以访问官方网站进行数据下载，当然也可以通过TensorFlow进行调用：

http://yann.lecun.com/exdb/mnist/

       注意下载的时候要将4个红色的包全部下载好。 

 

二、我们要构建一个什么样的卷积神经网络

---

        上面的这张图，就是我们将要构建的卷积神经网络，我们的构建步骤是：

•         输入28*28*1的数据集
•         第一个红色方块，代表第1层卷积，下面是它的相关参数，形状变为[28, 28, 32]；
•         第一个绿色方块，代表第1层池化，或者是亚采样，下方是它的相关参数，形状变为[14, 14, 32]；
•         第二个红色方块，代表第2层卷积，下面是它的相关参数，形状变为[14, 14, 64]；
•         第二个绿色方块，代表第2层池化，或者是亚采样，下方是它的相关参数，形状变为[7, 7, 64]；
•         进行平坦化，形成1024神经元的全连接层，形状为[1, 1, 1024]；
•         丢弃50%，即使rate=0.5；
•         形成10个神经元的全连接层，输出形状[1, 1, 10]

        这就是我们构建的一个简单的卷积神经网络。