爱你哦。我是橙橙

https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc1.zip

import tensorflow as tf; import numpy as np; import matplotlib.pyplot as plt; a1 = tf.get_variable(name='a1', shape=[2,3], initializer=tf.random_normal_initializer(mean=0, stddev=1))a2 = tf.get_variable(name='a2', shape=[1], initializer=tf.constant_initializer(1))a3 = tf.get_variable(name='a3', shape=[2,3], initializer=tf.ones_initializer()) with tf.Session() as sess: sess.run(tf.initialize_all_variables()) print sess.run(a1) print sess.run(a2) print sess.run(a3)

import tensorflow as tf
a = tf.constant([11,45,0.78,100,255,789,33333])
with tf.Session() as sess:
b = tf.nn.relu(a)
print(sess.run(b))

第六讲导学
欢迎来听Tensorflow笔记！
本节讲解如何对输入的手写数字图片输出识别结果，并教大家制作自己的数据集实现特定应用。请将课程提供的方法，应用到你所在的领域，尝试解决实际问题。
课时安排：
6.1 输入手写数字图片输出识别结果
6.2 制作数据集
参考代码：
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc2.zip
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc3.zip
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc4.z01
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc4.z02
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc4.z03
https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/fc4.zip
fc2在fc1的基础上增加了“断点续训”功能；
fc3在fc2的基础上增加了应用程序，实现了输入手写数字图片输出识别结果；
fc4在fc3的基础上增加了数据集生成程序，实现了把7万张手写数字图片制作成数据集和标签，程序可以用自制数据集和标签训练模型并输出手写数字图片的识别结果。（内含数据集原始图片，须由fc4.z01/fc4.z02/fc4.z03/fc4合成）
至此，已讲完全连接网络的全部内容，代码量和难度均有提升，请实践fc2/fc3/fc4的所有代码。尝试将课程提供的方法应用到其他数据集；尝试将你所在领域的已有数据，制作成数据集和标签，实现特定应用。
本节课后，安排了期中项目实践。请通过MNIST数据集训练全连接网络，识别pic文件夹中的十张手写数字图片，把识别结果填入考试选项。
手写数字图片：https://github.com/cj0012/AI-Practice-Tensorflow-Notes/blob/master/num.zip
期中考试：全连接网络实践：用全连接网络，识别手写数字图片
（课程已进入实践应用环节，难度逐步增大，学会举一反三，学以致用。希望课程代码八股对支撑你的研究有所启发和帮助。）