简单的卷积神经网络------制作计算图

alltolove

        制作计算图就是完成卷积神经网络的那些个层，代码如下：

x=tf.placeholder(tf.float32,[None,3072])
y=tf.placeholder(tf.int64,[None])
x_image=tf.reshape(x,(-1,3,32,32))
x_image=tf.transpose(x_image,perm=[0,2,3,1])
conv3=tf.layers.conv2d(x_image,
                       10,
                       (3,3),
                       padding='same',
                       activation=None,
                       name='conv3',
                       kernel_initializer=tf.truncated_normal_initializer(stddev=0.02)
                      )
bn=tf.layers.batch_normalization(conv3,
                                 training=True,
)
active=tf.nn.elu(bn)
pooling3=tf.layers.max_pooling2d(active,
                                 (2,2),
                                 (2,2),
                                 name='pool3'
                                )
flatten=tf.layers.flatten(pooling3)
y_=tf.layers.dense(flatten,10)
loss=tf.losses.sparse_softmax_cross_entropy(labels=y,logits=y_)
predict=tf.argmax(y_,1)
correct_predict=tf.equal(predict,y)
accuracy=tf.reduce_mean(tf.cast(correct_predict,tf.float64))
train_op=tf.train.AdamOptimizer(1e-3).minimize(loss)
init=tf.global_variables_initializer()

        首先要把原来一行3072的数据转换成图片的矩阵形式，接下来就是一个卷积层，一个批量归一化层，一个池化层，和一个全连接层，就是最简单的形式，一般卷积神经网的卷积层都是有好几个的，这里为了程序运行速度就简化为一个了。
        最后是求一个损失值，计算一下准确率，然后做一个训练数据（又叫反向传播）的算法AdamOptimizer