算的的上是自己搭建的第一个卷积神经网络。网络结构比较简单。
输入为单通道的mnist数据集。它是一张28*28，包含784个特征值的图片
我们第一层输入，使用5*5的卷积核进行卷积，输出32张特征图，然后使用2*2的池化核进行池化 输出14*14的图片
第二层 使用5*5的卷积和进行卷积，输出张特征图，然后使用2*2的池化核进行池化 输出7*7的图片
第三层为全连接层 我们总结有 7*7* 个输入，输出1024个节点 ，使用relu作为激活函数，增加一个keep_prob的dropout层
第四层为输出层，我们接收1024个输入，输出长度为10的one-hot向量。使用softmax作为激活函数
使用交叉熵作为损失函数
网络模型代码：
训练代码：
部分训练结果：
step 3600, training accuracy 0.98 step 3700, training accuracy 0.98 step 3800, training accuracy 0.96 step 3900, training accuracy 1 step 4000, training accuracy 0.98 step 4100, training accuracy 0.96 step 4200, training accuracy 1 step 4300, training accuracy 1 step 4400, training accuracy 0.98 step 4500, training accuracy 0.98 step 4600, training accuracy 0.98 step 4700, training accuracy 1 step 4800, training accuracy 0.98 step 4900, training accuracy 1 test accuracy 0.9862