文章预览
本文分为3个部分： 1) 定义LeNet5网络前向传播过程，保存为文件LeNet5inference.py 2) LeNet5神经网络训练，保存为LeNet5train.py —— 这部分与第5章MNIST最佳实践的代码几乎一致 3) LeNet5模型评价 —— 这部分与第5章MNIST最佳实践的代码几乎一致 LeNet5网络前向传播过程 将以下代码保存为LeNet5inference.py # file name: LeNet5inference.py
import tensorflow as tf
# 配置神经网络的参数
INPUT_NODE = 784
OUTPUT_NODE = 10
IMAGE_SIZE = 28
NUM_CHANNELS = 1
NUM_LABELS = 10
# 第一层卷积层的尺寸和深度
CONV1_DEEP = 32
CONV1_SIZE = 5
# 第二层卷积层的尺寸和深度
CONV2_DEEP = 64
CONV2_SIZE = 5
# 全连接层的节点个数
FC_SIZE = 512
# 定义前向传播的过程。这里添加了一个新参数train,用于区分训练过程和测试过程。
# 在这个程序中将用到dropout方法，dropout可以进一步提升模型可靠性并防止过拟合
# dropout过程只在训练时使用
de
………………………………
