利用tensorflow搭建一个两层CNN网络 | 【看完就会】
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
“ 大家对CNN的理解应该了解和学习了很多，所以今天来跟大家一起用tensorflow搭建一个简单两层CNN网络”
简单说明一下CNN的特点：
（1）局部连接（2）权值共享（3）池化操作（4）层次结构
本文对代码进行了详细的解释，对小白（就是我）非常的友好！！！
01
—
搭建网络的思路
1、准备训练数据
2、定义节点（占位符）准备接受数据（placeholder）
3、定义卷积层
4、定义loss表达式
5、选择优化器optimizer使loss达到最小
tensorflow的执行步骤：
（1）构造数据流图
（2）执行会话
02
—
具体实现代码
好了，我要开始了！！！
准备工作
1、准备训练数据（使用附带mnist的数据集）
2、定义节点（占位符）准备接受数据（placeholder）
3、定义卷积层
4、定义loss表达式
5、选择优化器optimizer使loss达到最小
详细的代码如下：
https://github.com/SCUTPZW/AI_study/tree/master
欢迎给我点小星星
点击上方“小白学视觉”，选择加"星标"或“置顶” 重磅干货，第一时间送达 “ 大家对CNN的理解应该了解和学习了很多，所以今天来跟大家一起用tensorflow搭建一个简单两层CNN网络” 简单说明一下CNN的特点： （1）局部连接（2）权值共享（3）池化操作（4）层次结构 本文对代码进行了详细的解释，对小白（就是我）非常的友好！！！ 01 — 搭建网络的思路 1、准备训练数据 2、定义节点（占位符）准备接受数据（placeholder） 3、定义卷积层 4、定义loss表达式 5、选择优化器optimizer使loss达到最小 tensorflow的执行步骤： （1）构造数据流图 （2）执行会话 02 — 具体实现代码 好了，我要开始了！！！ 准备工作 1、准备训练数据（使用附带mnist的数据集） 2、定义节点（占位符）准备接受数据（placeholder） 3、定义卷积层 4、定义loss表达式 5、选择优化器optimizer使loss达到最小 详细的代码如下： https://github.com/SCUTPZW/AI_study/tree/master 欢迎给我点小星星