CNN在TensorFlow框架实现

卷积神经网络架构：

输入层→卷积层和池化层→全连接层→softmax层→输出

输入层

为一个三维矩阵，如MNIST用CNN的输入会变成28×28×1（RGB图图像深度为3，灰度图图像深度为1）

（卷积层和池化层可以看作是自动图像特征提取过程。）

卷积层

尝试对神经网络中的每一小块进行更加深入的分析从而得到抽象程度更高的特征，卷积层处理过后的节点矩阵会变得更深

池化层

相当于把一张分辨率较高的图像转化为分辨率较低的图像，可以达到缩小最后全连接层中的节点个数，从而减少神经网络参数效果

TensorFlow实现迁移学习

所谓的迁移学习是指讲一个数据集上训练好的DNN模型快速转移到另外一个数据集上