0. 前言
前面对什么是 CNN 以及 CNN 的相关层次进行了说明，本节希望用 TensorFlow 来搭建一个建议的卷积神经网络。
1. 概述
希望解决的问题是：搭建一个简单的 CNN ，对 MNIST 数据集手写数字进行识别。这里的网络结构是：2层卷积层，2层池化层，2层 FC 层。
2. 实现步骤
2.1 导包及数据准备
- 首先导入需要的包
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 1. 加载数据集
"""
MNIST数据集中的图片是 28*28 的，每张图转换成一个行向量，长度是 28*28=784，每个值表示一个像素点;
数据集中有 60000 张手写数据图片，其中55000是训练数据，5000是测试数据
[55000, 784]，第一维：索引图片，第二维：图片中的像素
标签的训练数据是 [55000, 10] 的数字矩阵
"""
mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)
如果出现报错：No module named 'tensorflow.examples.tutorials'，解决方案如下：
首先，检查一下安装tensorflow这个目录里边examples文件夹，所以查看一下这个路径的文件夹：E:\Program_files\Anaconda\envs\tensorflow\Lib\site-packages\tensorflow\examples ，由于我是自己创建的新的环境 tensorflow，所以是上边的这个路径，如果是用的本来的环境的话，一般是这个路径：..\anaconda3\Lib\site-packages\tensorflow\examples 。总之查看这个文件夹下面有没有 tutorials ，我的如下，即没有 tutorials ，所以下一步就要下载；
-
下载 tutorials
这是我的网盘地址 https://pan.baidu.com/s/1wJe02VFagD9KSKbsjPxTWQ
提取码: eff7 -
解压之后，把 tutorials 这个文件夹整个拷贝到前面提到的 examples 目录下，拷贝完成后，该目录如下：
-
之后，再运行上边的代码，就不会再报错。运行之后，会自动下载 MNIST 数据集，前2个是测试集样本及标签，后两个是训练集样本和标签。
2.2 定义变量
声明 placeholder，存储神经网络的输入
# 2. 定义输入、输出
# dtype：数据类型;
# shape：数据形状, 默认是 None(一维), 也可为多维 [None, 784] 表示 784列，行没定
x = tf.compat.v1.placeholder(dtype=tf.float32, shape=(None, 784))
y = tf.compat.v1.placeholder(dtype=tf.float32, shape=(None, 10)) # 标签
# 输入数据 reshape 成 4 维数组，是把原本的图像矩阵重建为新的矩阵，此处还不知道有几张图片，所以用-1代替
input_image = tf.compat.v1.reshape(x, [-1, 28, 28, 1])