卷積神經網絡+TensorBoard 詳細實戰

之前，有寫過關於TensorBoard使用的文章，後來因為科研任務繁重，加上找工作原因，一直沒時間總結。趁今天週末有時間總結下，用了個簡單的CNN網絡來舉例子。

第一步：老規矩，導入相關的包；

第二步：設置參數，就算batch的個數。很多情況，由於內存原因，不能一次性把所有的訓練集全部加裝到內存上，因此需要使用batch；

第三步：定義一些函數，主要通過tf.summary.scalar()記錄參數；

權重初始化函數

卷積函數

池化函數

定義輸入的placeholder，因為使用了卷積函數，需要將784維的一維數據，轉為28*28像素的數據。

搭建卷積網絡：第一層的卷積層，5x5的卷積核，2個卷積核從1個平面抽取特徵

第二層的卷積層，5x5的卷積核，64個卷積核從32個平面抽取特徵

28*28的圖片第一次卷積後還是28*28（使用了SAME方式，SAME模式是最常見的模式，是指經過卷積的特徵圖和原圖的size保持不變），第一次池化後變為14*14；

第二次卷積後為14*14，第二次池化後變為了7*7；

進過上面操作後得到64張7*7的平面。

全連接層：

交叉熵代價函數

使用AdamOptimizer進行優化

求準確率

合併所有的summary

最後，進行訓練

輸出結果

TensorBoard使用

tensorboard --logdir=文件夾路徑 --host=127.0.0.1
（複製指定路徑後就可以訪問了）

網絡拓補圖：

記錄的權重參數的信息

還有很多記錄的數據，就不一一展示，感興趣的同學可以自己嘗試下（大神請繞路（~_~））

需要代碼的，可私聊我。