手写数字识别
接下来将会以 MNIST 数据集为例,使用卷积层和池化层,实现一个卷积神经网络来进行手写数字识别,并输出卷积和池化效果。...模型实现
TensorFlow conv2d 函数介绍:
tf.nn.conv2d(x, W, strides, padding=’SAME’)
针对输入的 4 维数据 x 计算 2 维卷积。...参数 w:
过滤器,因为是二维卷积,所以它的维度是:
[filter_height, filter_width, in_channels, out_channels]
与参数 x 对应,前 3 个参数分别是对应...x 的 filter_height, filter_width, in_channels,最后一个参数是过滤器的输出通道数量。...TensorFlow max_pool 函数介绍:
tf.nn.max_pool(x, ksize, strides ,padding)
参数 x:
和 conv2d 的参数 x 相同,是一个 4 维张量