＃ニューラルネットワークワインダー1 TFLearnのAPIの定義。 インポートtflearn インポートtflearn.datasets.mnist AS MNIST から tflearn.layers.conv インポートmax_pool_2d、conv_2d から tflearn.layers.estimator インポート回帰 から tflearn.layers.core インポートINPUT_DATA、ドロップアウト、fully_connected trainX、trainY、testX、testy = MNIST。 LOAD_DATA（DATA_DIR = " F .: 201806-GitHubの\\ \\ \\ TensorFlowGoogleデータセットMNIST_data \\ "、one_hot = TRUE） ＃フォーマット畳み込みニューラルネットワークの入力への画像データのサイズを変更します。 = trainX.reshape trainX（[ - 1、28、28 ,. 1 ]） testX= testX.reshape（[ - 1、28、28、1 ]） ＃ 。构建神经网络 ネット= INPUT_DATA（形状=なし、28、28、1]、NAME = ' 入力' ） ネット =は（ネット、32 conv_2d 、5、活性化= ' relu ' ） ネット = max_pool_2d（ネットは、2 ） ネット =は、（ネット、64、5、活性化= conv_2d ' relu ' ） ネット = max_pool_2d（ネット、2 ） ネット fully_connected =を（ネット、500、活性化= ' relu ' ） ネット = fully_connected（ネット、10、活性化= ' ソフトマックス' ） ＃タスクを学んで定義します。SGDはオプティマイザ、0.01の学習、クロスエントロピー機能の喪失を指定します。 回帰= NET（NET、オプティマイザ= ' SGD '、learning_rate = 0.01、損失= ' categorical_crossentropy '）
＃2。電車TFLearnによってニューラルネットワークAPI。 ＃学習モデル定義されたネットワークアーキテクチャ、データにモデルの検証及び検証の効果は、指定されました。 = tflearn.DNNモデル（NET、tensorboard_verbose = 0） model.fit（trainX、trainY、n_epoch = 10、validation_set =（[testX、testy]）、show_metric = TRUE）
