手写数字识别MNIST数据集及卷积神经网络代码含注释

手写数字识别MNIST数据集，内含t10k-images-idx3-ubyte.gz等四个压缩文件以及卷积神经网络识别代码。

import tensorflow as tf
 
# Import MINST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets（r‘/Users/apple/Desktop/Python_study/MNIST/mnist_data/‘ one_hot=True）
#加载数据集并保存在指定路径中

def weight_variable（shape）:
  initial = tf.truncated_normal（shape stddev=0.1）
  return tf.Variable（initial）

def bias_variable（shape）:
  initial = tf.constant（0.1 shape=shape）
  return tf.Variable（initial）
def conv2d（x W）:
  return tf.nn.conv2d（x W strides=[1 1 1 1] padding=‘SAME‘）

def max_pool_2x2（x）:
  return tf.nn.max_pool（x ksize=[1 2 2 1]
                        strides=[1 2 2 1] padding=‘SAME‘）

x = tf.placeholder（“float“ [None 784]） #占位符，运行计算时接收输入值，None表示维度不定
y_ = tf.placeholder（“float“ [None10]）   #占位符，用来输入正确值
#第一层
W_conv1 = weight_variable（[5 5 1 32]）
b_conv1 = bias_variable（[32]）
x_image = tf.reshape（x [-128281]）
h_conv1 = tf.nn.relu（conv2d（x_image W_conv1） + b_conv1）
h_pool1 = max_pool_2x2（h_conv1）
#第二层
W_conv2 = weight_variable（[5 5 32 64]）
b_conv2 = bias_variable（[64]）

h_conv2 = tf.nn.relu（conv2d（h_pool1 W_conv2） + b_conv2）
h_pool2 = max_pool_2x2（h_conv2）
#全连接层
W_fc1 = weight_variable（[7 * 7 * 64 1024]）
b_fc1 = bias_variable（[1024]）

h_pool2_flat = tf.reshape（h_pool2 [-1 7*7*64]）
h_fc1 = tf.nn.relu（tf.matmul（h_pool2_flat W_fc1） + b_fc1）
#dropout
keep_prob = tf.placeholder（“float“）
h_fc1_drop = tf.nn.dropout（h_fc1 keep_prob）
#输出层
W_fc2 = weight_variable（[1024 10]）
b_fc2 = bias_variable（[10]）

y_conv=tf.nn.softmax（tf.matmul（h_fc1_drop W_fc2） + b_fc2）

#训练
cross_entropy = -tf.reduce_sum（y_*tf.log（y_conv））
train_step = tf.train.AdamOptimizer（1e-4）.minimize（cross_entropy）
correct_prediction = tf.equal（tf.argmax（y_conv1） tf.argmax（y_1））
accuracy = tf.reduce_mean（tf.cast（correct_prediction “float“））

with tf.Session（） as sess:

 sess.run（tf.initialize_all_variables（））

 for i in range（20000）:
  batch = mnist.train.next_batch（50）
  if i%100 == 0:
    train_accuracy = accuracy.eval（feed_dict={
        x:batch[0] y_: batch[1] keep_prob: 1.0}）
    print（“step %d training accuracy %g“%（i train_accuracy））
  train_step.run（feed_dict={x: batch[0] y_: batch[1] keep_prob: 0.5}）

 #测试
 print（“test accuracy %g“%accuracy.eval（feed_dict={
    x: mnist.test.images y_: mnist.test.labels keep_prob: 1.0}））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件           0  2019-04-09 19:01  MNIST_鍚敞閲?
     目录           0  2019-04-09 19:02  MNIST_鍚敞閲?mnist_data\
     文件        6148  2019-02-19 18:28  MNIST_鍚敞閲?mnist_data\.DS_Store
     目录           0  2019-04-09 19:02  __MACOSX\
     文件           0  2019-04-09 19:02  __MACOSX\MNIST_鍚敞閲?
     目录           0  2019-04-09 19:02  __MACOSX\MNIST_鍚敞閲?mnist_data\
     文件         120  2019-02-19 18:28  __MACOSX\MNIST_鍚敞閲?mnist_data\._.DS_Store
     文件     1648877  2019-02-19 16:14  MNIST_鍚敞閲?mnist_data\t10k-images-idx3-ubyte.gz
     文件         534  2019-02-19 16:14  __MACOSX\MNIST_鍚敞閲?mnist_data\._t10k-images-idx3-ubyte.gz
     文件     9912422  2019-02-19 16:14  MNIST_鍚敞閲?mnist_data\train-images-idx3-ubyte.gz
     文件         535  2019-02-19 16:14  __MACOSX\MNIST_鍚敞閲?mnist_data\._train-images-idx3-ubyte.gz
     文件       28881  2019-02-19 16:14  MNIST_鍚敞閲?mnist_data\train-labels-idx1-ubyte.gz
     文件         535  2019-02-19 16:14  __MACOSX\MNIST_鍚敞閲?mnist_data\._train-labels-idx1-ubyte.gz
     文件        4542  2019-02-19 16:14  MNIST_鍚敞閲?mnist_data\t10k-labels-idx1-ubyte.gz
     文件         534  2019-02-19 16:14  __MACOSX\MNIST_鍚敞閲?mnist_data\._t10k-labels-idx1-ubyte.gz
     文件        6148  2019-04-09 19:00  MNIST_鍚敞閲?.DS_Store
     文件         120  2019-04-09 19:00  __MACOSX\MNIST_鍚敞閲?._.DS_Store
     文件        2436  2019-02-21 17:55  MNIST_鍚敞閲?test_con.py
     文件         266  2019-02-21 17:55  __MACOSX\MNIST_鍚敞閲?._test_con.py
     目录           0  2019-02-19 16:46  MNIST_鍚敞閲?.vscode\
     文件          83  2019-02-19 16:46  MNIST_鍚敞閲?.vscode\settings.json