摘要：
对一张图片实现rnn操作，主要是通过先得到一个整体，然后进行切分，得到的最后input结果输出*_w[‘out’] + _b['out'] = 最终输出结果 第一步： 数据载入 第二步： 初始化参数 第三步： 构建RNN函数 第四步： 构建cost函数和准确度函数 第五步： 训练模型， 降低cost 阅读全文
摘要：
我们使用的VGG模型是别人已经训练好的一个19层的参数所做的一个模型 第一步：定义卷积分部操作函数 第二步：定义卷积操作函数 第三步： 构造文件路径 第四步：训练模型，输出特征图像 阅读全文
摘要：
这里的话就不多说明了，因为上上一个博客已经说明了 阅读全文
摘要：
save = tf.train.Saver() 通过save. save() 实现数据的加载 通过save.restore() 实现数据的导出 第一步： 数据的载入 第二步： 数据的导出 阅读全文
摘要：
我们采用的卷积神经网络是两层卷积层，两层池化层和两层全连接层 我们使用的数据是mnist数据，数据训练集的数据是50000*28*28*1 因为是黑白照片，所以通道数是1 第一次卷积采用64个filter， 第二次卷积采用128个filter，池化层的大小为2*2，我们采用的是两次全连接 第一步：导 阅读全文