卷积神经网络+TensorBoard 详细实战

之前，有写过关于TensorBoard使用的文章，后来因为科研任务繁重，加上找工作原因，一直没时间总结。趁今天周末有时间总结下，用了个简单的CNN网络来举例子。

第一步：老规矩，导入相关的包；

第二步：设置参数，就算batch的个数。很多情况，由于内存原因，不能一次性把所有的训练集全部加装到内存上，因此需要使用batch；

第三步：定义一些函数，主要通过tf.summary.scalar()记录参数；

权重初始化函数

卷积函数

池化函数

定义输入的placeholder，因为使用了卷积函数，需要将784维的一维数据，转为28*28像素的数据。

搭建卷积网络：第一层的卷积层，5x5的卷积核，2个卷积核从1个平面抽取特征

第二层的卷积层，5x5的卷积核，64个卷积核从32个平面抽取特征

28*28的图片第一次卷积后还是28*28（使用了SAME方式，SAME模式是最常见的模式，是指经过卷积的特征图和原图的size保持不变），第一次池化后变为14*14；

第二次卷积后为14*14，第二次池化后变为了7*7；

进过上面操作后得到64张7*7的平面。

全连接层：

交叉熵代价函数

使用AdamOptimizer进行优化

求准确率

合并所有的summary

最后，进行训练

输出结果

TensorBoard使用

tensorboard --logdir=文件夹路径 --host=127.0.0.1
（复制指定路径后就可以访问了）

网络拓补图：

记录的权重参数的信息

还有很多记录的数据，就不一一展示，感兴趣的同学可以自己尝试下（大神请绕路（~_~））

需要代码的，可私聊我。