tensorflow cnn 特征提取

1.tensorflow是静态流程图，先搭建好模型图，然后再让数据流通，流通的过程中才能得到中间值。

2.cnn原本是对图片进行特征提取的，在自然语言处理中，文本通过word2vec技术也可以转换成“图片”的样子。

3.目标：理解一下cnn的工作，以及在tensorflow里怎么调用实现。

4.cnn可是使用GPU提速，os.environ["CUDA_VISIBLE_DEVICES"]=2 # 设置使用的GPU，但本文不适用GPU。

---

1)数据集准备

黑白图片：[w, h]    彩色图片：[w, h, c]

X=[batch_size, w, h, c]     有batch_size张图片，图片形状是[w, h, c]

Y=[batch_size,  y]  batch_size张图片都对应一个标签y，目前此处为二分类

其中，np.random.uniform(low, high, size) 从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high。 np.random.randint(low, high, size) [0,2)整数，即二分类：0,1      [0,10)整数，即10分类：0,1,2,3,4,5,6,7,8,9

2)图模型搭建---模型输入，占位符建立

3)模型搭建---定义cnn相关的参数初始化、卷积、池化函数

4)模型搭建---cnn模型具体化

创建一个会话 with tf.Session() as sess:   就可以边搭建模型，边查看每个中间变量的shape和value了。  下图是一个卷积+激活函数处理的过程。

池化处理

扁平化处理+全连接处理