用简单的CNN网络实现MNIST数据集的识别：实现模型保存与调用模型进行测试

最新推荐文章于 2024-06-13 16:42:36 发布

原创

最新推荐文章于 2024-06-13 16:42:36 发布 · 1.3k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#mnist #CNN #tensorflow #模型保存与调用

MNIST数据集的识别：实现模型保存与调用模型进行测试

完整代码
 参考代码

网络部分

 def __init__(self):
        # 定义两个placeholder
        self.x = tf.placeholder(tf.float32, [None, 784], name='x-input')
        self.y = tf.placeholder(tf.float32, [None, 10], name='y-input')
        # 将数据集转变乘4D的向量[batch, in_height. in_width, in_channels]
        x_image = tf.reshape(self.x, [-1, 28, 28, 1], name='x_image')

        # 第一个卷积层
        # 定义卷积层权值和偏置值
        w_conv1 = self.weight_variable([5, 5, 1, 32], name='W_conv1')  # 5*5的采样窗口，当前深度为1，卷积层深度为32
        b_conv1 = self.bias_variable([32], name='b_conv1')  # 卷积深度为32 所以偏置值也是32
        conv2d_1 = self.conv2d(x_image, w_conv1) + b_conv1
        h_conv1 = tf.nn.relu(conv2d_1)  # 通过relu激活函数线性化
        h_pool1 = self.max_pool_2x2(h_conv1)  # max_pooling

        # 第二个卷积层
        # 定义卷积层