CNN 卷积神经网络代码实现

最新推荐文章于 2025-05-19 11:17:53 发布

注定走红Scream

最新推荐文章于 2025-05-19 11:17:53 发布

阅读量1.6k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： tensorflow AI CNN 文章标签： CNN 源码代码实现卷积神经网络

本文链接：https://blog.youkuaiyun.com/qq_42016781/article/details/86320012

本文详细介绍了如何从零开始实现一个卷积神经网络（CNN），包括建立卷积层和全连接层的步骤，以及图片预处理、优化方法的选择等关键环节。代码中涉及权重初始化、池化操作、激活函数和dropout防止过拟合等概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CNN 卷积神经网络代码实现

首先导入数据

import tensorflow as tf
python from tensorflow.examples.tutorials.mnist import input_data
#导入tensorflow里的mnist数据集
mnist=input_data.read_data_sets('MNIST_data',one_hot=true)

下面呢。
1.定义Weight变量，输入shape，返回变量的参数。其中我们使用tf.truncted_normal产生随机变量来进行初始化:定义此的作用是下一步建立conv的定义初始值，W_conv1=weight_variable([5,5,1,32])
代码为：

def weight_variable(shape): 
	inital=tf.truncted_normal(shape,stddev=0.1)
	return tf.Variable(initial)

2.定义biase变量，输入shape ,返回变量的一些参数。其中我们使用tf.constant常量函数来进行初始化:

def bias_variable(shape): 
	initial=tf.constant(0.1,shape=shape) 
	return tf.Variable(initial)

3.定义卷积，tf.nn.conv2d函数是tensoflow里面的二维的卷积函数，x是图片的所有参数，W是此卷积层的权重，然后定义步长strides=[1,1,1,1]值，strides[0]和strides[3]的两个1是默认值，**中间两个1代表padding时在x方向运动一步，y方向运动一步，**padding采用的方式是