学习tensorflow的过程 记录一些模型

自学，很多时候会遇到一些坑，一些不理解的会浪费很多时间。为了自己理解更好，也为能帮助同样自学的同学，我会尽量在代码上都加上注释，如果我有啥理解的不对的，希望能指正哈对你有帮助的话给我一个Star

common文件夹存储一些公用的代码 tools文件夹存储一些下载数据的代码，下载后文件存储在data文件夹 models文件夹存储各种模型

当前完成模型：

mnist ml版本： 正确率91%左右

mnist LeNet版本： 正确率99.28%左右 cnn模型，和论文的LeNet卷积核数量什么有细微差别

cifar10_cnn 两层卷积层版本，类似LeNet: 正确率63.%

大坑系列：

1、跑tf的最简单mnist教程，当批次过大，测试准确度直接掉到10%。 2、跑mnist__cnn，当迭代次数过大的时候，也会遇到一地个问题。 原因： 上面两个原因是使用了交叉熵代价函数：-tf.reduce_sum(y_*tf.log(y)) 其中y有可能为0，导致tf.log(y)为-inf,当y_也为0，导致y_*tf.log(y)为nan 解决方案： y1 = tf.maximum(y,1e-30)，加上机智的补丁,防止y为0