【代碼】mnist手寫體識別

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
#讀取數據
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess=tf.InteractiveSession()
#構建cnn網絡結構
#自定義卷積函數（後面卷積時就不用寫太多）
def conv2d(x,w):
    return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding='SAME') #strides ?
#自定義池化函數 
def max_pool_2x2(x):
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
#設置佔位符，尺寸爲樣本輸入和輸出的尺寸
x=tf.placeholder(tf.float32,[None,784])
y_=tf.placeholder(tf.float32,[None,10])
x_img=tf.reshape(x,[-1,28,28,1])    #reshape why?

#設置第一個卷積層和池化層   卷積——激活函數——池化
w_conv1=tf.Variable(tf.truncated_normal([3,3,1,32],stddev=0.1))
b_conv1=tf.Variable(tf.constant(0.1,shape=[32]))
h_conv1=tf.nn.relu(conv2d(x_img,w_conv1)+b_conv1)
h_pool1=max_pool_2x2(h_conv1)

#設置第二個卷積層和池化層
w_conv2=tf.Variable(tf.truncated_normal([3,3,32,50],stddev=0.1))
b_conv2=tf.Variable(tf.constant(0.1,shape=[50]))
h_conv2=tf.nn.relu(conv2d(h_pool1,w_conv2)+b_conv2)
h_pool2=max_pool_2x2(h_conv2)

#設置第一個全連接層
w_fc1=tf.Variable(tf.truncated_normal([7*7*50,1024],stddev=0.1))
b_fc1=tf.Variable(tf.constant(0.1,shape=[1024]))
h_pool2_flat=tf.reshape(h_pool2,[-1,7*7*50])
h_fc1=tf.nn.relu(tf.matmul(h_pool2_flat,w_fc1)+b_fc1)

#dropout（隨機權重失活）
keep_prob=tf.placeholder(tf.float32)
h_fc1_drop=tf.nn.dropout(h_fc1,keep_prob)

#設置第二個全連接層
w_fc2=tf.Variable(tf.truncated_normal([1024,10],stddev=0.1))
b_fc2=tf.Variable(tf.constant(0.1,shape=[10]))
y_out=tf.nn.softmax(tf.matmul(h_fc1_drop,w_fc2)+b_fc2)

#建立loss function，爲交叉熵
loss=tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y_out),reduction_indices=[1])) #reduction_indices unknown
#配置Adam優化器，學習速率爲1e-4(我只記得梯度下降和隨機梯度下降，這個不懂) 一個梯度下降的優化器
train_step=tf.train.AdamOptimizer(1e-4).minimize(loss)

#建立正確率計算表達式
correct_prediction=tf.equal(tf.argmax(y_out,1),tf.argmax(y_,1))#argmax參數？ 第二個參數爲1，代表按行方向索引，第一個參數爲1，則按列方向索引
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))#cast函數？數據類型轉換，將布爾型轉換爲float32

#開始喂數據，訓練
tf.global_variables_initializer().run()
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})#argmax()函數呢？
        print("step %d,train_accuracy= %g"%(i,train_accuracy))
    train_step.run(feed_dict={x:batch[0],y_:batch[1],keep_prob:0.5})

#訓練之後，使用測試集進行測試，輸出最終結果
print ("test_accuracy= %g"%accuracy.eval(feed_dict={x:mnist.test.images,y_:mnist.test.labels,keep_prob:1}))