VGG16实现MNIST数据集识别任务.py

#Create Wed May 2019-5-29 19:37:16
#End 2019-5-29 21:30:35

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets（‘MNIST/‘ one_hot = True）

x = tf.placeholder（tf.float32 [None 784]）
y = tf.placeholder（tf.float32 [None 10]）
keep_prob = tf.placeholder（tf.float32）

def conv2d（name x w b）:
	return tf.nn.relu（tf.nn.bias_add（tf.nn.conv2d（x w strides = [1 1 1 1] padding = ‘SAME‘） b） name = name）
	
def max_pool（name x）:
	return tf.nn.max_pool（x ksize = [1 2 2 1] strides = [1 2 2 1] padding = ‘SAME‘ name = name）

def norm（name x）:
	return tf.nn.lrn（x depth_radius = None bias = 0.01 alpha = 0.001 beta = 1.0 name = name）

weights = {
			‘wc1‘: tf.Variable（tf.random_normal（[3 3 1 64]））
			‘wc2‘: tf.Variable（tf.random_normal（[3 3 64 64]））
			‘wc3‘: tf.Variable（tf.random_normal（[3 3 64 128]））
			‘wc4‘: tf.Variable（tf.random_normal（[3 3 128 128]））
			‘wc5‘: tf.Variable（tf.random_normal（[3 3 128 256]））
			‘wc6‘: tf.Variable（tf.random_normal（[3 3 256 256]））
			‘wc7‘: tf.Variable（tf.random_normal（[3 3 256 256]））
			‘wc8‘: tf.Variable（tf.random_normal（[3 3 256 256]））
			‘wc9‘: tf.Variable（tf.random_normal（[3 3 256 512]））
			‘wc10‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc11‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc12‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc13‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc14‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc15‘: tf.Variable（tf.random_normal（[3 3 512 512]））
			‘wc16‘: tf.Variable（tf.random_normal（[3 3 512 256]））
			
			‘wd1‘: tf.Variable（tf.random_normal（[4*4*256 4096]））
			‘wd2‘: tf.Variable（tf.random_normal（[4096 4096]））
			‘out‘: tf.Variable（tf.random_normal（[4096 10]））
			}
			
biases = {
			‘bc1‘: tf.Variable（tf.zeros（[64]））
			‘bc2‘: tf.Variable（tf.zeros（[64]））
			‘bc3‘: tf.Variable（tf.zeros（[128]））
			‘bc4‘: tf.Variable（tf.zeros（[128]））
			‘bc5‘: tf.Variable（tf.zeros（[256]））
			‘bc6‘: tf.Variable（tf.zeros（[256]））
			‘bc7‘: tf.Variable（tf.zeros（[256]））
			‘bc8‘: tf.Variable（tf.zeros（[256]））
			‘bc9‘: tf.Variable（tf.zeros（[512]））
			‘bc10‘: tf.Variable（tf.zeros（[512]））
			‘bc11‘: tf.Variable（tf.zeros（[512]））
			‘bc12‘: tf.Variable（tf.zeros（[512]））
			‘bc13‘: tf.Variable（tf.zeros（[512]））
			‘bc14‘: tf.Variable（tf.zeros（[512]））
			‘bc15‘: tf.Variable（tf.zeros（[512]））
			‘bc16‘: tf.Variable（tf.zeros（[256]））
						
			‘bd1‘: tf.Variable（tf.zeros（[4096]））
			‘bd2‘: tf.Variable（tf.zeros（[4096]））
			‘out‘: tf.Variable（tf.zeros（[10]））
			}

#2 4 12进行池化			
def VGG16（x weights biases dropout）:
	x = tf.reshape（x shape = [-1 28 28 1]）
	
	conv1 = conv2d（‘conv1‘ x weights[‘wc1‘] biases[‘bc1‘]）
	#28*28*64
	norm1 = norm（‘norm1‘ conv1）
	
	conv2 = conv2d（‘conv2‘ norm1 weights[‘wc2‘] biases[‘b