前言
本文假设大家对CNN、softmax原理已经比较熟悉，着重点在于使用Tensorflow对CNN的简单实践上。所以不会对算法进行详细介绍，主要针对代码中所使用的一些函数定义与用法进行解释，并给出最终运行代码。
数据集
数据集是MNIST，一个入门级的计算机视觉数据集，它包含各种手写数字图片：
每张图片包含28X28个像素点，标签即为图片中的数字。
问题
使用MNIST数据集进行训练，识别图片中的手写数字（0到9共10类）。
思路
使用一个简单的CNN网络结构如下，括号里边表示tensor经过本层后的输出shape：
输入层（28 * 28 * 1）
卷积层1（28 * 28 * 32）
pooling层1（14 * 14 * 32）
卷积层2（14 * 14 * 64）
pooling层2（7 * 7 * 64）
全连接层（1 * 1024）
softmax层（10）
具体的参数看后边的代码注释。
函数说明
在撸代码前，先对几个会用到的主要函数中的主要参数进行说明。
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
随机产生一个形状为shape的服从截断正态分布（均值为mean，标准差为stddev）的tensor。截断的方法根据官方API的定义为，如果单次随机生成的值偏离均值2倍标准差之外，就丢弃并重新随机生成一个新的数。
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
input
input是一个形状为 [batch, in_height, in_width, in_channels] 的tensor：
filter
filter是一个形状为 [filter_height, filter_width, in_channels, out_channels]的tensor：
filter_height, filter_width
卷积核的高与宽。如卷积层1中的卷积核，filter_height, filter_width都为28。
in_channels
输入通道数量。
out_channels
输出通道的数量。如输入数据经过卷积层1后，通道数量从1变为32。
strides
strides是指滑动窗口（卷积核）的滑动规则，包含4个维度，分别对应input的4个维度，即每次在input tensor上滑动时的步长。其中batch和in_channels维度一般都设置为1，所以形状为 [1, stride, stride, 1] 。
padding
这个在之前的文章中说过，这里不再复述，看这里回顾。
tf.nn.max_pool(value, ksize, strides, padding, data_format=’NHWC’, name=None)
value
以tf.nn.conv2d()函数的参数input理解即可。
ksize
滑动窗口（pool）的大小尺寸，这里注意这个大小尺寸并不仅仅指2维上的高和宽，ksize的每个维度同样对应input的各个维度（只是大小，不是滑动步长），同样的，batch和in_channels维度多设置为1。如pooling层1的ksize即为 [1, 2, 2, 1] ，即用一个2*2的窗口做pooling。
strides
同tf.nn.conv2d()函数的参数strides。
padding
看 这里 。
tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)
这里不对dropout的算法进行描述，如果不知道自行百度。
代码
talk is cheap, show me the code.
#coding:utf-8import tensorflow as tfimport MNIST_data.input_data as input_dataimport time"""
权重初始化
初始化为一个接近0的很小的正数
"""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)"""
卷积和池化，使用卷积步长为1（stride size）,0边距（padding size）
池化用简单传统的2x2大小的模板做max pooling
"""def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding = 'SAME') # tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
# x(input) : [batch, in_height, in_width, in_channels]
# W(filter) : [filter_height, filter_width, in_channels, out_channels]
# strides : The stride of the sliding window for each dimension of input.
# For the most common case of the same horizontal and vertices strides, strides = [1, stride, stride, 1]def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize = [1, 2, 2, 1],
strides = [1, 2, 2, 1], padding = 'SAME') # tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)
# x(value) : [batch, height, width, channels]
# ksize(pool大小) : A list of ints that has length >= 4. The size of the window for each dimension of the input tensor.
# strides(pool滑动大小) : A list of ints that has length >= 4. The stride of the sliding window for each dimension of the input tensor.start = time.clock() #计算开始时间mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) #MNIST数据输入"""
第一层 卷积层
x_image(batch, 28, 28, 1) -> h_pool1(batch, 14, 14, 32)
"""x = tf.placeholder(tf.float32,[None, 784])
x_image = tf.reshape(x, [-1, 28, 28, 1]) #最后一维代表通道数目，如果是rgb则为3 W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)# x_image -> [batch, in_height, in_width, in_channels]# [batch, 28, 28, 1]# W_conv1 -> [filter_height, filter_width, in_channels, out_channels]# [5, 5, 1, 32]# output -> [batch, out_height, out_width, out_channels]# [batch, 28, 28, 32]h_pool1 = max_pool_2x2(h_conv1)# h_conv1 -> [batch, in_height, in_weight, in_channels]# [batch, 28, 28, 32]# output -> [batch, out_height, out_weight, out_channels]# [batch, 14, 14, 32]"""
第二层 卷积层
h_pool1(batch, 14, 14, 32) -> h_pool2(batch, 7, 7, 64)
"""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_pool1 -> [batch, 14, 14, 32]# W_conv2 -> [5, 5, 32, 64]# output -> [batch, 14, 14, 64]h_pool2 = max_pool_2x2(h_conv2)# h_conv2 -> [batch, 14, 14, 64]# output -> [batch, 7, 7, 64]"""
第三层 全连接层
h_pool2(batch, 7, 7, 64) -> h_fc1(1, 1024)
"""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
h_fc1 -> h_fc1_drop, 训练中启用，测试中关闭
"""keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)"""
第四层 Softmax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)"""
训练和评估模型
ADAM优化器来做梯度最速下降,feed_dict中加入参数keep_prob控制dropout比例
"""y_ = tf.placeholder("float", [None, 10])
cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv)) #计算交叉熵train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) #使用adam优化器来以0.0001的学习率来进行微调correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) #判断预测标签和实际标签是否匹配accuracy = tf.reduce_mean(tf.cast(correct_prediction,"float"))
sess = tf.Session() #启动创建的模型sess.run(tf.initialize_all_variables()) #旧版本#sess.run(tf.global_variables_initializer()) #初始化变量for i in range(5000): #开始训练模型，循环训练5000次
batch = mnist.train.next_batch(50) #batch大小设置为50
if i % 100 == 0:
train_accuracy = accuracy.eval(session = sess,
feed_dict = {x:batch[0], y_:batch[1], keep_prob:1.0})
print("step %d, train_accuracy %g" %(i, train_accuracy))
train_step.run(session = sess, feed_dict = {x:batch[0], y_:batch[1],
keep_prob:0.5}) #神经元输出保持不变的概率 keep_prob 为0.5print("test accuracy %g" %accuracy.eval(session = sess,
feed_dict = {x:mnist.test.images, y_:mnist.test.labels,
keep_prob:1.0})) #神经元输出保持不变的概率 keep_prob 为 1，即不变，一直保持输出end = time.clock() #计算程序结束时间print("running time is %g s") % (end-start)