Tensorflow实例：实现简单的卷积神经网络

CNN最大的特色在于卷积的权值共享结构，能够大幅减小神经网络的参数量，防止过拟合的同时又下降了神经网络模型的复杂度。在CNN中，第一个卷积层会直接接受图像像素级的输入，每个卷积操做只处理一小块图像，进行卷积变化后再传到后面的网络，每一层卷积都会提取数据中最有效的特征。这种方法能够提取到图像中最基础的特征，好比不一样方向的边或者拐角，然后再进行组合和抽象造成更高阶的特征。 通常的卷积神经网络由多个卷

>>阅读原文<<