上篇文章对cnn进行了一些介绍，附了完整小例子代码，介绍了一部分函数概念，但是对我这样的新手来说，代码中涉及的部分函数还是无法一下子全部理解。于是在本文中将对代码中使用的函数继续进行一一介绍。
具体代码见上一篇（二）
一、
#定义输入的placehoder，x是特征，y_是真实的label。因为卷积神经网络会用到2D的空间信息，所以需要把784维数据恢复成28*28结构，使用的是tf.shape函数
x = tf.placeholder(tf.float32, [None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])
x_image = tf.reshape(x, [-1, 28, 28, 1])1.1 tf.placeholder(dtype,shape=None,name=None)
placeholder,占位符，在tensoflow中类似于函数参数，运行时必须传入值。
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型。
shape:数据形状。默认是None，就是一维值，也可以是多维，比如[2,3]，[None,3]表示列是3，行不定。
name:名称
1.2 tf.reshape(tensor,shape,name=None)
在处理图像时总会遇到输入图像的维数不符合的情况，此时tensorflow中reshape（）就很好的解决了这个问题。
函数的作用是将tensor变换为参数shape形式，其中shape为一个列表形式，特殊的列表可以实现逆序的遍历，即list（-1）。-1代表的含义是我们不需要亲自去指定这一维的大小，函数自动计算，但是列表中只能存在一个-1.
二、
#定义第一个卷积层
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2_2(h_conv1)2.1 tf.nn.relu()
该函数让大于0的数保持不变，小于0的数置为0
2.2 tf.nn.max_pool(value,ksize,strides,padding,name=None)
max_pool是CNN中最大值池化操作
value：需要池化的输入，一般池化曾接在卷积层后面，所以通常输入是feature map，依然是[batch,height,width,channels]这样的shape
ksize：池化窗口的大小，取一个四维向量，一般是[1,height,width,1]，因为我们不想在batch和channels上做池化，所以这两个维度设置为1
strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1,stride,stride,1]
padding：和卷积类似，可以取‘VALID' 或者’SAME‘
返回一个Tensor，类型不变，shape仍然是[batch,height,width,channels]这种形式
三、
#定义损失函数和训练的步骤，用adam优化器最小化损失函数
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv), reduction_indices = [1]))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)3.1 reduce_mean(input_tensor,reduction_indices=None,keep_dims=False,name=None)
用于求平均值
input_tensor：带求值的tensor
reduction_indices:在哪一维上求解
参数（3），（4）可忽略
四、
#计算预测的精确度
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))4.1 tf.argmax(input,axis=None,name=None,dimension=None)
对矩阵按行或者列计算最大值
input:输入值
axis：可选值0表示按列，1表示按行求最大值
name：名字
4.2 tf.equal（A，B）是对比这两个矩阵或者向量的相等的元素，如果相等就返回True，否则返回False，返回值的矩阵维度与A相同
4.3 tf.cast(x,dtype,name=None) 类型转换函数
将x的数据转化成dtype