CNN卷积神经网络python代码

# Lab 11 MNIST and Convolutional Neural Network
import tensorflow as tf
import random
import scipy.io as scio
# import matplotlib.pyplot as plt


from tensorflow.examples.tutorials.mnist import input_data

tf.set_random_seed（777）  # reproducibility

mnist = input_data.read_data_sets（“MNIST_data/“ one_hot=True）
# Check out https://www.tensorflow.org/get_started/mnist/beginners for
# more information about the mnist dataset

# hyper parameters
learning_rate = 0.002
training_epochs = 3
batch_size = 50

# input place holders
X = tf.placeholder（tf.float32 [None 784]）
X_img = tf.reshape（X [-1 28 28 1]）   # img 28x28x1 （black/white）
Y = tf.placeholder（tf.float32 [None 10]）

# L1 ImgIn shape=（? 28 28 1）
W1 = tf.Variable（tf.random_normal（[5 5 1 6] stddev=0.01））
b1 = tf.Variable（tf.random_normal（[6]））
#    Conv     -> （? 24 24 6）
#    Pool     -> （? 12 12 6）
L1 = tf.nn.conv2d（X_img W1 strides=[1 1 1 1] padding=‘VALID‘）
L1 = tf.nn.relu（L1 + b1）
L1 = tf.nn.avg_pool（L1 ksize=[1 2 2 1]
                    strides=[1 2 2 1] padding=‘SAME‘）
‘‘‘
Tensor（“Conv2D:0“ shape=（? 24 24 6） dtype=float32）
Tensor（“Relu:0“ shape=（? 24 24 6） dtype=float32）
Tensor（“avgPool:0“ shape=（? 12 12 6） dtype=float32）
‘‘‘

# L2 ImgIn shape=（? 12 12 6）
W2 = tf.Variable（tf.random_normal（[5 5 6 16] stddev=0.01））
b2 = tf.Variable（tf.random_normal（[16]））
#    Conv      ->（? 8 8 16）
#    Pool      ->（? 4 4 16）
L2 = tf.nn.conv2d（L1 W2 strides=[1 1 1 1] padding=‘VALID‘）
L2 = tf.nn.relu（L2 + b2）
L2 = tf.nn.avg_pool（L2 ksize=[1 2 2 1]
                    strides=[1 2 2 1] padding=‘SAME‘）
L2_flat = tf.reshape（L2 [-1 4 * 4 * 16]）
#L2_flat = tf.nn.relu（L2_flat）
‘‘‘
Tensor（“Conv2D_1:0“ shape=（? 14 14 64） dtype=float32）
Tensor（“Relu_1:0“ shape=（? 14 14 64） dtype=float32）
Tensor（“MaxPool_1:0“ shape=（? 7 7 64） dtype=float32）
Tensor（“Reshape_1:0“ shape=（? 3136） dtype=float32）
‘‘‘

# Final FC 7x7x64 inputs -> 10 outputs
W3 = tf.Variable（tf.random_normal（[4*4*16 10] stddev=0.01））

#W3 = tf.get_variable（“W3“ shape=[4 * 4 * 16 10]
#                    initializer=tf.contrib.layers.xavier_initializer（））
b3 = tf.Variable（tf.random_normal（[10]））
logits = tf.matmul（L2_flat W3） + b3
#logits = tf.nn.relu（logits）
# define cost/loss & optimizer
cost = tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits（
    logits=logits labels=Y））
optimizer = tf.train.AdamOptimizer（learning_rate=learning_rate）.minimize（cost）

#creat a saver
saver = tf.train.Saver（）

# initialize
with tf.Session（） as sess:
    sess.run（tf.global_variables_initializer（））

# train my model
    print（‘Learning started. It takes sometime.‘）
    for epoch in range（training_epochs）:
        avg_cost = 0
        total_batch = int（mnist.train.num_examples / batch_size）

        for i in range（total_batch）:
            batch_xs batch_ys = mnist.train.next_batch（batc